La ingeniería metabólica permite el mejoramiento de las propiedades celulares por medio de la modificación específica a nivel bioquímico, lo que permite la producción de biomoléculas de interés para diversas industrias y de aplicación médica. Dentro de los modelos para simulación metabólica se encuentran los modelos de redes metabólicas (GSMs); son genomas completos y abarcan miles de reacciones metabólicas. Los métodos de machine learning o aprendizaje automático para la generación de modelos predictivos en sistemas vivos tienen cada vez más acogida en áreas como anotación genómica, descubrimiento de nuevas biomoléculas a partir de moléculas simples, maximización de productos en células microbianas diseñadas, la dinámica de las vías metabólicas y los impulsores transcripcionales de estados patológicos. En este sentido, la combinación de modelos mecánicos y machine learning es prometedora para un mejor rendimiento de la ingeniería predictiva de células al unir las ventajas de la comprensión causal del mecanismo a partir de modelos mecanicistas, con el poder predictivo del ML.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Detección electroquímica de peróxido de hidrógeno usando peroxidasa de pasto Guinea (Panicum maximum) inmovilizada sobre electrodos serigrafiados de puntos cuánticos
Artículo:
Biotecnología microbiana : avances rápidos en un área de impacto masivo
Boletín:
Exposición ocupacional a los nanotubos y las nanofibras de carbono
Artículo:
El papel de las plaquetas en las fiebres hemorrágicas virales
Artículo:
Mitocríptidos: una nueva familia de péptidos activadores de neutrófilos ocultos en proteínas mitocondriales y sus mecanismos de señalización acumulativa
Libro:
Manual del artesano electroquímico
Informe, reporte:
El carbón como recurso : una visión general del carbón
Informe, reporte:
Libro blanco para la minimización de residuos y emisiones en procesos de recubrimientos electrolíticos
Capítulo de libro:
Petróleo y gas natural