Synthetic Biology Meets Machine Learning

合成生物学 工作流程 计算机科学 领域(数学) 数据科学 人工智能 机器学习 管理科学 生化工程 工程类 计算生物学 生物 数学 数据库 纯数学
作者
Brendan Fu‐Long Sieow,Ryan De Sotto,Zhi Ren Darren Seet,In Young Hwang,Matthew Wook Chang
出处
期刊:Methods in molecular biology 卷期号:: 21-39 被引量:6
标识
DOI:10.1007/978-1-0716-2617-7_2
摘要

This chapter outlines the myriad applications of machine learning (ML) in synthetic biology, specifically in engineering cell and protein activity, and metabolic pathways. Though by no means comprehensive, the chapter highlights several prominent computational tools applied in the field and their potential use cases. The examples detailed reinforce how ML algorithms can enhance synthetic biology research by providing data-driven insights into the behavior of living systems, even without detailed knowledge of their underlying mechanisms. By doing so, ML promises to increase the efficiency of research projects by modeling hypotheses in silico that can then be tested through experiments. While challenges related to training dataset generation and computational costs remain, ongoing improvements in ML tools are paving the way for smarter and more streamlined synthetic biology workflows that can be readily employed to address grand challenges across manufacturing, medicine, engineering, agriculture, and beyond.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
lhy发布了新的文献求助10
刚刚
orixero应助韦觅松采纳,获得10
刚刚
科研通AI2S应助may采纳,获得10
1秒前
林lin完成签到 ,获得积分10
2秒前
bo发布了新的文献求助10
3秒前
4秒前
李健的小迷弟应助玩伴zz采纳,获得10
4秒前
6秒前
6秒前
薛子谦发布了新的文献求助10
8秒前
9秒前
木木发布了新的文献求助10
10秒前
cao完成签到,获得积分10
12秒前
12秒前
博林大师完成签到,获得积分10
13秒前
14秒前
14秒前
猫Li发布了新的文献求助10
15秒前
miurny完成签到,获得积分10
15秒前
叶子完成签到,获得积分20
15秒前
顾矜应助明亮的以蓝采纳,获得10
16秒前
南漂完成签到,获得积分10
16秒前
17秒前
17秒前
一由天完成签到,获得积分10
17秒前
zho发布了新的文献求助10
17秒前
gxr发布了新的文献求助10
20秒前
木木完成签到,获得积分10
20秒前
十七发布了新的文献求助10
20秒前
22秒前
韦觅松发布了新的文献求助10
23秒前
23秒前
oliv完成签到 ,获得积分10
23秒前
wanci应助赵赵1203采纳,获得10
24秒前
kimi发布了新的文献求助10
24秒前
心灵美大侠完成签到,获得积分10
24秒前
JamesPei应助haku采纳,获得10
24秒前
襄阳完成签到,获得积分10
24秒前
25秒前
卓矢完成签到 ,获得积分10
27秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3248499
求助须知:如何正确求助?哪些是违规求助? 2891839
关于积分的说明 8268971
捐赠科研通 2559871
什么是DOI,文献DOI怎么找? 1388724
科研通“疑难数据库(出版商)”最低求助积分说明 650815
邀请新用户注册赠送积分活动 627782