人工智能作為合成生物學的明智建議

機器學習正在改變生物科學和工業的所有領域，但通常僅限于少數用戶和場景。由TobiasErb領導的馬克斯普朗克陸地微生物研究所的一組研究人員開發了METIS，這是一種用于優化生物系統的模塊化軟件系統。研究小組通過各種生物學例子證明了它的可用性和多功能性。

盡管生物系統工程在生物技術和合成生物學中確實不可或缺，但今天機器學習已在生物學的所有領域變得有用。然而，很明顯，算法的應用和改進，由指令列表組成的計算過程，并不容易獲得。它們不僅受到編程技能的限制，而且通常還受到實驗標記數據不足的限制。在計算和實驗工作的交匯處，需要有效的方法來彌合機器學習算法與其在生物系統中的應用之間的差距。

現在，由TobiasErb領導的馬克斯普朗克陸地微生物研究所的一個團隊成功地實現了機器學習的民主化。在他們最近在NatureCommunications上發表的文章中，該團隊與來自巴黎INRAe研究所的合作伙伴一起展示了他們的工具METIS。該應用程序采用多功能和模塊化架構構建，不需要計算技能，可以應用于不同的生物系統和不同的實驗室設備。METIS是機器學習引導系統改進實驗試驗的簡稱，也以古代智慧和手工藝女神Μ?τις或“明智的建議”命名。

所需數據更少

主動學習，也稱為最佳實驗設計，使用機器學習算法在對先前結果進行訓練后以交互方式建議下一組實驗，這對于濕實驗室科學家來說是一種有價值的方法，尤其是在處理數量有限的實驗標記數據時.但主要瓶頸之一是實驗室生成的經過實驗標記的數據并不總是足夠高以訓練機器學習模型。“雖然主動學習已經減少了對實驗數據的需求，但我們進一步研究了各種機器學習算法。令人鼓舞的是，我們發現了一個對數據的依賴程度更低的模型，”該研究的主要作者之一AmirPandi說。

為了展示METIS的多功能性，該團隊將其用于各種應用，包括優化蛋白質生產、基因構建、酶活性的組合工程以及名為CETCH的復雜CO2固定代謝循環。對于CETCH循環，他們探索了1,025個條件和僅1,000個實驗條件的組合空間，并報告了迄今為止描述的最有效的CO2固定級聯。

優化生物系統

在應用中，該研究提供了新的工具，使生物技術、合成生物學、遺傳電路設計和代謝工程的當前努力民主化和推進。“METIS允許研究人員優化他們已經發現或合成的生物系統，”該研究的共同主要作者ChristophDiehl說。“但它也是理解復雜交互和假設驅動優化的組合指南。而且可能是最令人興奮的好處：它可以是一個非常有用的系統，用于對新自然系統進行原型設計。”

METIS是一個模塊化工具，作為GoogleColabPython筆記本運行，可以通過網絡瀏覽器上的個人筆記本副本使用，無需安裝、注冊或本地計算能力。這項工作中提供的材料可以指導用戶為他們的應用程序定制METIS。

機器學習正在改變生物科學和工業的所有領域，但通常僅限于少數用戶和場景。由TobiasErb領導的馬克斯普朗克陸地微生物研究所的一組研究人員開發了METIS，這是一種用于優化生物系統的模塊化軟件系統。研究小組通過各種生物學例子證明了它的可用性和多功能性。

盡管生物系統工程在生物技術和合成生物學中確實不可或缺，但今天機器學習已在生物學的所有領域變得有用。然而，很明顯，算法的應用和改進，由指令列表組成的計算過程，并不容易獲得。它們不僅受到編程技能的限制，而且通常還受到實驗標記數據不足的限制。在計算和實驗工作的交匯處，需要有效的方法來彌合機器學習算法與其在生物系統中的應用之間的差距。

現在，由TobiasErb領導的馬克斯普朗克陸地微生物研究所的一個團隊成功地實現了機器學習的民主化。在他們最近在NatureCommunications上發表的文章中，該團隊與來自巴黎INRAe研究所的合作伙伴一起展示了他們的工具METIS。該應用程序采用多功能和模塊化架構構建，不需要計算技能，可以應用于不同的生物系統和不同的實驗室設備。METIS是機器學習引導系統改進實驗試驗的簡稱，也以古代智慧和手工藝女神Μ?τις或“明智的建議”命名。

所需數據更少

主動學習，也稱為最佳實驗設計，使用機器學習算法在對先前結果進行訓練后以交互方式建議下一組實驗，這對于濕實驗室科學家來說是一種有價值的方法，尤其是在處理數量有限的實驗標記數據時.但主要瓶頸之一是實驗室生成的經過實驗標記的數據并不總是足夠高以訓練機器學習模型。“雖然主動學習已經減少了對實驗數據的需求，但我們進一步研究了各種機器學習算法。令人鼓舞的是，我們發現了一個對數據的依賴程度更低的模型，”該研究的主要作者之一AmirPandi說。

為了展示METIS的多功能性，該團隊將其用于各種應用，包括優化蛋白質生產、基因構建、酶活性的組合工程以及名為CETCH的復雜CO2固定代謝循環。對于CETCH循環，他們探索了1,025個條件和僅1,000個實驗條件的組合空間，并報告了迄今為止描述的最有效的CO2固定級聯。

優化生物系統

在應用中，該研究提供了新的工具，使生物技術、合成生物學、遺傳電路設計和代謝工程的當前努力民主化和推進。“METIS允許研究人員優化他們已經發現或合成的生物系統，”該研究的共同主要作者ChristophDiehl說。“但它也是理解復雜交互和假設驅動優化的組合指南。而且可能是最令人興奮的好處：它可以是一個非常有用的系統，用于對新自然系統進行原型設計。”

METIS是一個模塊化工具，作為GoogleColabPython筆記本運行，可以通過網絡瀏覽器上的個人筆記本副本使用，無需安裝、注冊或本地計算能力。這項工作中提供的材料可以指導用戶為他們的應用程序定制METIS。