基于布尔矩阵逻辑编程的二义性功能主动学习

我们应用基于逻辑的机器学习技术来促进细胞工程并推动生物发现，依据称为基因组尺度代谢网络模型（GEMs）的代谢过程的全面数据库。预测的宿主行为并不总是由 GEMs 正确描述。学习 GEMs 中复杂基因相互作用 presents 计算和实证挑战。为此，我们描述了一种新方法，称为布尔矩阵逻辑编程（BMLP），通过利用布尔矩阵评估大型逻辑程序。我们引入了一个新系统 $BMLP_{active}$，通过主动学习引导信息性实验，有效地探索基因组假设空间。与子符号方法相比，$BMLP_{active}$ 使用 datalog 逻辑程序对最先进的 GEM（针对广受接受的细菌宿主）进行可解释且逻辑的表示。值得注意的是，$BMLP_{active}$ 能够通过少于随机实验所需的训练示例成功学习基因对之间的相互作用，克服了实验设计空间的增加。$BMLP_{active}$ 使代谢模型的快速优化成为可能，并为微生物工程提供了一种实现自驾实验室的现实方法。