代谢网络模型学习笔记(序章)

2024-04-26 20:36

本文主要是介绍代谢网络模型学习笔记(序章),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

代谢模型学习笔记(序章)

全文目录

  • 代谢模型学习笔记(序章)
    • -1、 闲言碎语
    • 0 、前言说明
        • 重点说明
      • 1 、内容概述
      • 1.1 文献分享 Shifts in growth strategies reflect tradeoffs in cellular economics
    • 2、 论文笔记
    • 3、思考讨论

-1、 闲言碎语

从上篇写代谢模型相关教程到现在过去了快3年,感觉时间确实匆匆而过了。之所以最近从新写这个学习分享过程,也是我从发上次入门教程到现在接触过很多想要了解和应用的同学并且期间自己也尝试将其更深刻的去融入到自己的课题研究中,但过程发现目前国内对模型的教程、理论介绍或是其局限的系统性解释少之又少(当然也有许多优秀教程值得去看)。 通常遇到交流的大多可以分为两类:1. 高估模型的作用而感到失望的。2. 完全忽视模型的使用条件和限制,胡乱堆砌到论文之中。当然本人也经常徘徊于两种类型之间,从本质上来说我们本身缺乏对模型完整和深入的认识。
个人认为这个矛盾的过程主要涉及两个非常关键问题发生较大的分歧:生物研究逻辑数理建模逻辑。(本人也处于探索阶段)
换而言之:
生物研究逻辑是以具象化的方式去描述发生在生物体内的过程:

例如当我与室友讨论课题时候,他会非常要求我罗列出具体的通路机制,靶向蛋白或者是明确的分子作用过程关系。一旦我提出的问题或是内容无法有确切的答案时候,在他这里那么我们的所有讨论将变得没有意义。(通常借助对生物大分子的敲除、替换、沉默等方式来实现,对过程可及性比较关注)

数理建模逻辑则是以抽象化的假说去描述发生在生物体内的系统变化:

例如我们去用莫得方程去描述生物的生长过程,是把菌株生长这个复杂的过程的权重转移为环境单一资源限制下的消耗速率与菌株单位时间生长的关系。(通常借助不同数学工具将复杂的系统简化或是极端化,通过对方程解的变化特征来解释/预估生物系统的变化趋势)。

而代谢网络模型者是一种尝试去将两者耦合的而发展起来的方法工具(我们觉得叫做细胞不同层次整合的计算器更为有趣),但实际情况看来这个过程反而更加快速了两者思想的撕裂,甚至趋向一个小领域自娱自乐的玩具。那么如何尝试去规避或是减少这个问题呢?思来想去,就计划拿出半年的休息时间整理整理 模型的发展脉络 以及其对应解决目标解决问题的生物内的探索过程。

0 、前言说明

重点说明

本系列内容都是个人/朋友根据自身认识水平整理汇总而来,仅仅作为学术交流讨论使用不具有任何直接的指导或参考意义。且目前暂且不涉及具体的建模过程和建模方法

1 、内容概述

1) 在序章部分我想先分享一篇 Bas Teusink 2009年发表的 细胞的代谢转变特征反映了细胞经济学的权衡。之所以以这篇作为分享的开篇,其主要是因为本文针对的代谢模型的局限性提出了一个很有趣的问题总结以及对当时流行的三种猜想进行了对比分析。其中的流量分配与蛋白约束的关系也为后续酶约束模型的建立发展提出了理论猜想。是一篇非常有意思的承上启下的研究论文。
2)同时本系统也计划以细胞代谢能量分配权衡的三个猜想去梳理这些理论模型发展命运,梳理这些理论猜想被在生物实验中的证明或证伪。

1.1 文献分享 Shifts in growth strategies reflect tradeoffs in cellular economics

Molecular Systems Biology doi:10.1038/msb.2009.82
Douwe Molenaar,*, Rogier van Berlo, Dick de Ridder and Bas Teusink

2、 论文笔记

3、思考讨论

这篇关于代谢网络模型学习笔记(序章)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/938594

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码: 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口,https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss