A genome-scale dynamic constraint-based modelling (gDCBM) framework predicts growth dynamics, medium composition and intracellular flux distributions in CHO clonal variations
Notice bibliographique
Résumé
Optimizing mammalian cell growth and bioproduction is a tedious task. However, due to the inherent complexity of eukaryotic cells, heuristic experimental approaches such as, metabolic engineering and bioprocess design, are frequently integrated with mathematical models of cell culture to improve biological process efficiency and find paths for improvement. Constraint-based metabolic models have evolved over the last two decades to be used for dynamic modelling in addition to providing a linear description of steady-state metabolic systems. Formulation and implementation of the underlying optimization problems require special attention to the model's performance and feasibility, lack of defects in the definition of system components, and consideration of optimal alternate solutions, in addition to processing power limitations. Here, the time-resolved dynamics of a genome-scale metabolic network of Chinese hamster ovary (CHO) cell metabolism are shown using a genome-scale dynamic constraint-based modelling framework (gDCBM). The metabolic network was adapted from a reference model of CHO genome-scale metabolic model (GSMM), iCHO_DG44_v1, and dynamic restrictions were imposed to its exchange fluxes based on experimental results. We used this framework for predicting physiological changes in CHO clonal variants. Because of the methodical creation of the components for the flux balance analysis optimization problem and the integration of a switch time, this model can generate sequential predictions of intracellular fluxes during growth and non-growth phases (per hour of culture time) and transparently reveal the shortcomings in such practice. As a result of the differences exploited by various clones, we can understand the relevance of changes in intracellular flux distribution and exometabolomics. The integration of various omics data into the given gDCBM framework, as well as the reductionist analysis of the model, can further help bioprocess optimization.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».