在过去的二十年中，生命科学与信息技术的伙伴关系日益紧密。其背后的主要动力是需要处理和整合来自不同领域(包括遗传学，生物化学，细胞和分子生物学以及生理学)的大量数据，以便对生物系统，过程乃至整个有机体有更深入的了解。

问题在于，将来自跨不同生物学分析层次(例如遗传与生化)的众多相互连接的生物网络的数据汇总在一起已被证明过于复杂。跨领域的庞大数据量和复杂性难以标准化和处理，并在一定程度上导致了不同的“组学”领域(例如基因组学，转录组学，蛋白质组学，代谢组学等)的激增，这些领域试图表征和量化生物分子的方式与其在生物体中的结构和功能有关。

科学家在基因和代谢分析方面解决该问题的一种方法是开发基因组规模的代谢模型或GEM。这些是根据遗传和生化数据建立的计算机模型，并将基因与细胞中的代谢途径相关联。

创业板正迅速成为研究人员的常用工具。Vassily Hatzimanikatis实验室的玛丽亚·马西德(Maria Masid)说：“它们是整合特定生理学实验数据和建立可以识别患病细胞(例如癌细胞)代谢变化的特定环境模型的强大工具，” EPFL。

为了进一步简化GEM，Masid和她的同事们现在在Nature Communications上发表了一篇论文，该论文引入了一种新的数学方法，通过仅关注代谢的某些部分，同时最大限度地减少了代谢，从而降低了人类基因组规模的GEM的复杂性，从而分析了人类代谢其他途径造成的信息损失。

细胞代谢的研究高度相关，因为代谢变化已被认为是几种人类疾病的标志，包括癌症，糖尿病，肥胖症，阿尔茨海默氏病和心血管疾病。因此，了解代谢机制与基因之间的关系可以指导药物发现和新疗法的设计。

研究人员将他们的方法命名为redHUMAN，并将其描述为“用于重构简化模型的工作流程，该模型专注于与特定生理相关的新陈代谢部分”。redHUMAN会生成尺寸缩小的代谢模型，其中包含研究营养物质代谢和生物量合成所需的感兴趣途径和代谢途径，所有这些都考虑到了细胞的生物能。通过这样做，redHUMAN模型可以保证其预测的一致性，克服了当前GEM的主要障碍。