合成生物系统的贝叶斯设计

本文介绍了一种新的合成生物学设计框架，该框架利用了贝叶斯模型选择的优势。我们将论证，推理与设计之间的区别在于，前者我们试图重建产生所观测数据的系统，而后者我们则试图构建产生我们希望观测的数据（即期望行为）的系统。我们的方法允许我们利用贝叶斯统计的方法，包括对模型空间和高维参数空间的高效探索，以及根据模型生成特定类型数据的能力对其进行排序的能力。此外，贝叶斯模型选择自动在数学模型的复杂性与（预测或解释）性能之间取得平衡。为了处理分子系统的复杂性，我们采用了一种近似贝叶斯计算方案，该方案仅需要我们从不同的竞争模型中进行模拟，以便得出在它们之间进行选择的合理标准。我们通过参考表现出适应性和开关样行为的确定性和随机模型系统，以及细菌双组分信号系统，说明了将目前在合成生物学中被视为独立的“设计”和“建模”（或计算机原型设计）阶段相结合所带来的优势。