Nature Protocols | New Metabolic Data Processing Method Based on Machine Learning and Parallel Computing

La Métabolomique est le sujet de l'analyse qualitative et quantitative simultanée de tous les métabolites d'un organisme ou d'une cellule au cours d'une période physiologique donnée.,Largement utilisé pour révéler la relation entre les petites molécules et les effets physiologiques et pathologiques.Pour l'instant,La Métabolomique a été appliquée à toutes les étapes du développement des médicaments.（Comme l'identification de la cible du médicament、Découverte de composés pilotes、Analyse du métabolisme des médicaments、Recherche sur la réponse aux médicaments et la résistance aux médicaments, etc.）.Caractéristiques à haut rapport qualité - prix basées sur la Métabolomique,Il a reçu beaucoup d'espoir de la part des chercheurs en pharmacie,On s'attend à ce que le développement de nouveaux médicaments s'accélère..Et pourtant,Le domaine du métabolisme est également confronté à de graves problèmes de traitement des signaux et d'analyse des données.,Il pose un grand défi à son application dans la recherche et le développement de nouveaux médicaments.Pour éliminer efficacement、Fluctuations des signaux indésirables induites par les instruments et les facteurs biologiques,Il est nécessaire de développer une nouvelle méthode d'optimisation du système de signalisation du métabolisme,Adapter la stratégie optimale d'analyse des données à différentes études histologiques.

En réponse aux questions ci - dessus,Zhu Feng Professor team and Alibaba of School of Pharmaceutical and Institute of Intelligent Innovative Drugs of Zhejiang University-Le Centre commun de recherche sur la future médecine numérique de l'Université du Zhejiang a récemment coopéré avec《Nature Protocols》Publié sous le titre“Optimization of metabolomic data processing using NOREVA”Travaux de recherche.Une nouvelle méthode d'optimisation de la stratégie de traitement des signaux basée sur l'apprentissage automatique et l'informatique parallèle est présentée dans cet article..Cette méthode permet de numériser à grande échelle les flux de traitement des signaux de masse existants.,Données brutes metabonomiques données par l'utilisateur, Optimisation rapide des processus de traitement des données histologiques les plus performants . Cette méthode permet d'obtenir des résultats communs dans le domaine pharmaceutique “Séries chronologiques”Et“Classification multiple” Traitement des données pour les problèmes métaboliques , Découverte de cibles pharmaceutiques 、 Métabolisme des médicaments 、 L'étude des mécanismes pathologiques de la réponse médicamenteuse et de l'apparition et du développement de la maladie est d'une grande valeur .

Liens vers les articles：

https://www.nature.com/articles/s41596-021-00636-9