基于机器学习的代谢建模在生物工程中的应用

基于机器学习的代谢建模在生物工程中的应用

理解生物体代谢和生长的基本原理，是将其有效用作生物生产平台的基础。代谢建模的主要目标是预测代谢和生长如何受到外部环境因素和内部基因型干扰的影响。反应化学计量学、热力学和质量作用动力学的基本概念已经成为许多建模框架的基石，用于描述生物体如何以及为何将资源分配给生长和生物生产。

近年来，基于约束和机器学习的代谢建模取得了显著进展，其利用了化学计量平衡、热力学可行性和动力学原理。这些方法为理解和设计用于生物技术应用的微生物细胞工厂提供了强大的工具。

本文重点介绍了代谢建模的最新算法进展，特别是以下几个方面:

• 整合多组学数据的基于约束的代谢建模* 基于机器学习的代谢网络动力学建模* 将热力学约束纳入代谢模型* 应用于代谢工程和生物生产的设计-构建-测试-学习循环

这些进展为以下方面开辟了新的可能性:

• 提高生物生产菌株的产量和生产率* 发现新的代谢工程靶点* 理解复杂生物系统中的代谢相互作用

了解更多信息，请参阅《代谢工程》63期（2021年），13-33页。