详细内容或原文请订阅后点击阅览
加州大学洛杉矶分校的 Hosein Mohimani 将分子和机器学习相结合，以更好地了解新陈代谢
结合科学工具探索涉及酶、耐药感染等的生物医学奥秘。
来源:UCLAHosein Mohimani 描述他的两个标志性研究项目来自生物科学领域的“两个不同的宇宙”。一个是寻找对抗耐药性感染的新武器，另一个是探索特定酶家族在药物加工中的作用。
连接这些调查的共同因素实际上是用于进行调查的工具。 Mohimani 是加州大学洛杉矶分校大卫格芬医学院计算医学副教授，他将机器学习（一种人工智能，其中算法在使用大量数据“训练”后识别模式）与质谱法（一种揭示样本中分子大小和身份的分析方法）联系起来。这种组合有可能成为解开许多生物学之谜的瑞士军刀。
Mohimani 是加州大学洛杉矶分校加州纳米系统研究所的成员，于 2025 年从卡内基梅隆大学来到韦斯特伍德，他在接受采访时讨论了他研究中的两个宇宙以及他对这一切的看法。
质谱分析和机器学习如何帮助您开展药物发现工作？
许多不同类型的细菌、真菌和植物都进化出了能够杀死最危险病原体的分子。但这些分子是复杂的混合物，没有人知道它们是什么。很难检测到它们。
我们使用质谱法来筛选这些天然产物提取物。我们的第二个信号是有关产生它们的生物体的基因组数据。通过这些输入，我们使用机器学习来找出分子的结构，它是否之前已被识别，以及它是否具有抗生素活性或之前未测试过针对病原体活性的新映射的子结构。这为分离这些分子并测试它们铺平了道路。
您是如何开始研究药物代谢的？
您认为这项研究将走向何方？
为什么加州大学洛杉矶分校是开展这项工作的好地方？