ART：用于合成生物学的机器学习自动推荐工具
定量方法
2021-01-27 v2 机器学习
摘要
生物学在过去二十年中发生了根本性变化，从一门描述性科学转变为设计科学。合成生物学使我们能够对细胞进行生物工程改造，以合成新型有价值分子，如可再生生物燃料或抗癌药物。然而，传统合成生物学方法涉及临时性的工程实践，导致较长的开发时间。在此，我们提出自动推荐工具（ART），一种利用机器学习与概率建模技术以系统化方式引导合成生物学的工具，无需对生物系统有完整的机制性理解。使用基于采样的优化，ART 提供了一组推荐在下一工程周期构建的菌株，以及对其生产水平的概率预测。我们在模拟数据集以及来自真实代谢工程项目（生产可再生生物燃料、无啤酒花的风味啤酒和脂肪酸）的实验数据上展示了 ART 的能力。最后，我们讨论了该方法的局限性，以及底层假设失效所带来的实际后果。
引用
@article{arxiv.1911.11091,
title = {ART: A machine learning Automated Recommendation Tool for synthetic biology},
author = {Tijana Radivojević and Zak Costello and Kenneth Workman and Hector Garcia Martin},
journal= {arXiv preprint arXiv:1911.11091},
year = {2021}
}