• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Metabolic Engineering Communications >Systems biology approaches integrated with artificial intelligence for optimized metabolic engineering
【2h】

Systems biology approaches integrated with artificial intelligence for optimized metabolic engineering

机译：系统生物学方法与人工智能集成优化代谢工程

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Metabolic engineering aims to maximize the production of bio-economically important substances (compounds, enzymes, or other proteins) through the optimization of the genetics, cellular processes and growth conditions of microorganisms. This requires detailed understanding of underlying metabolic pathways involved in the production of the targeted substances, and how the cellular processes or growth conditions are regulated by the engineering. To achieve this goal, a large system of experimental techniques, compound libraries, computational methods and data resources, including multi-omics data, are used. The recent advent of multi-omics systems biology approaches significantly impacted the field by opening new avenues to perform dynamic and large-scale analyses that deepen our knowledge on the manipulations. However, with the enormous transcriptomics, proteomics and metabolomics available, it is a daunting task to integrate the data for a more holistic understanding. Novel data mining and analytics approaches, including Artificial Intelligence (AI), can provide breakthroughs where traditional low-throughput experiment-alone methods cannot easily achieve. Here, we review the latest attempts of combining systems biology and AI in metabolic engineering research, and highlight how this alliance can help overcome the current challenges facing industrial biotechnology, especially for food-related substances and compounds using microorganisms.
机译：代谢工程旨在通过遗传学，细胞过程和微生物生长的条件的优化最大化生产生物经济上重要的物质（化合物，酶，或其他蛋白质）。这就要求参与生产目标物质的代谢途径底层的详细的了解，以及如何细胞过程或生长条件由工程监管。为了实现这一目标，一个大系统的实验技术，化合物库，计算方法和数据资源，包括多组学数据，被使用。近期多组学系统生物学的出现，打开了新的途径来执行动态和大规模分析了深化的操作我们所知办法显著影响的领域。然而，与巨大的转录组学，蛋白质组学和代谢组学可用的，这是一个艰巨的任务，以数据整合为一个更全面的了解。新的数据挖掘和分析方法，包括人工智能（AI），可以提供突破传统的地方低通量实验单独方法无法轻松实现。在这里，我们审查代谢工程研究，并结合高亮显示系统生物学和AI这个联盟如何帮助克服面临的工业生物技术当前面临的挑战，特别是对利用微生物与食品有关的物质和化合物的最新尝试。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号