导航菜单
首页 >  沐鸣测速 >  » 正文

沐鸣测速算法提出了新生物系统的优化设计

沐鸣测速


合成生物学是一个快速发展的领域,它允许科学家设计符合规格的生物系统,例如人造肉、沐鸣测速生物传感器或生物药物传递平台。据估计,全球合成生物学市场目前规模约为40亿美元,预计到2025年将增至逾200亿美元。

然而,传统的生物工程方法是艰苦的,需要科学家们花费数年时间来详细了解细胞的每个部分及其功能,包括漫长的试验和出错过程。

现在,伯克利实验室的研究人员开发了一种工具(自动推荐工具,又名ART),它使用机器学习算法系统地指导新生物系统的开发。该算法适用于合成生物学的需要,训练数据集小,需要量化不确定性和递归循环。

使用有限的训练数据集,沐鸣测速地址这个工具可以预测细胞的DNA或生物化学变化将如何影响它的行为,然后为它的下一个工程周期提出建议。

“这种可能性是革命性的,”《自然通讯》研究的第一作者赫克托·加西亚·马丁(Hector Garcia Martin)说。“目前,生物工程是一个非常缓慢的过程。人们花了150年的时间才研制出抗疟疾药物青蒿素。如果你能在几周或几个月内而不是几年就能创造出符合规格的新细胞,你就能在生物工程方面带来真正的革命。”

新工具通过模拟和历史数据从以前的代谢工程项目证明。加西亚·马丁和他的同事利用ART来指导代谢工程过程,通过一种酵母来增加氨基酸色氨酸的产量。

他们选择了5个基因,每个基因都受各种机制控制,总共有将近8000种潜在的生物途径组合。然后他们收集了250个通路的实验数据(占所有可能组合的3%),并利用这些数据训练出一种算法来识别哪些氨基酸的产生与哪些基因表达相关。

使用统计推断,沐鸣测速该工具能够推断出有多少剩余的组合会影响色氨酸的产生。ART推荐的设计比参考菌株的产量增加了一倍多。

Garcia Martin评论说:“这清楚地证明了机器学习领导的生物工程如果可扩展的话是可行的和具有破坏性的。我们对5个基因做了这样的实验,但我们相信对整个基因组也可以。

“这仅仅是个开始。通过这个,我们证明了有一种替代的方法来进行代谢工程。算法可以自动执行研究的常规部分,而你可以把时间花在科学努力中更具创造性的部分:决定重要问题、设计实验和巩固已获得的知识。”