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:
Alineación multimodal de imágenes mediante mapeo lineal entre modalidades de características
Artículo:
Obtención de grafeno mediante la reducción química del óxido de grafito
Artículo:
Mejora de las propiedades térmicas y eléctricas de las nanofibras de poliestireno y grafeno mediante electrospinning
Artículo:
Uso de andamios poliméricos para la ingeniería de tejidos vasculares
Artículo:
Detección y predicción de enfermedades cerebrovasculares mediante enfoques de aprendizaje robusto
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060
Software:
Simulación del proceso de extracción sólido-líquido EXTSL