bioRxiv 预印本· Zhu, H., Wan, C., Yang, M., Fang, Y., An, Z., Swaminathan, P., Dang, P., Li, Z., Wang, J., Wang, Y., Chen, Y., Ma, A., Ma, Q., Kelley, M. R., Cao, S., Fishel, M. L., Zhang, C. ·· 19 小时前AI 评分12
mmFEA：整合转录组与代谢组数据推断代谢变化与通量的动力学感知方法
A kinetic-aware approach to infer metabolic variations and flux using transcriptomics and metabolomics data
AI 导读
研究人员提出基于Michaelis-Menten动力学的通量估计分析框架mmFEA，通过整合配对或非配对的代谢组与转录组（或蛋白质组）数据，估计条件特异性代谢通量变化。该研究利用APEX1抑制剂处理的胰腺癌细胞系多组学数据（转录组、代谢组、代谢活性功能实验及CRISPR筛选）进行基准测试，结果显示mmFEA能准确捕获实验观测到的代谢变化，性能优于所有基线方法。
来源：bioRxiv 预印本 · biorxiv.org