当生物工艺工程遇上机器学习：从自动化生物工艺开发视角的综述
机器学习
2022-11-02 v2
摘要
机器学习（ML）在许多工程领域中正变得日益重要，但在生物工艺工程中尚未发挥其全部潜力。虽然实验已通过日益增长的实验室自动化而加速，但实验规划与数据建模仍很大程度上依赖人工干预。ML可被视为一组有助于整个实验周期自动化的工具，包括模型构建与实际规划，从而使人类专家能够专注于更艰巨且具全局性的认知任务。首先，概率编程被用于预测模型的自主构建。其次，机器学习通过规划实验以检验假设，并开展调查以收集基于模型预测不确定性、聚焦于模型选择的信息性数据，从而自动评估备选决策。本综述全面概述了生物工艺开发中基于ML的自动化。一方面，生物技术与生物工程界应意识到现有ML解决方案在生物技术与生物制药中应用的潜力，尤其是局限性。另一方面，识别缺失环节以促成ML与人工智能（AI）工具在面向生物界的有价值解决方案中轻松实施至关重要。
引用
@article{arxiv.2209.01083,
title = {When Bioprocess Engineering Meets Machine Learning: A Survey from the Perspective of Automated Bioprocess Development},
author = {Nghia Duong-Trung and Stefan Born and Jong Woo Kim and Marie-Therese Schermeyer and Katharina Paulick and Maxim Borisyak and Mariano Nicolas Cruz-Bournazou and Thorben Werner and Randolf Scholz and Lars Schmidt-Thieme and Peter Neubauer and Ernesto Martinez},
journal= {arXiv preprint arXiv:2209.01083},
year = {2022}
}