Biblioteca20.955 documentos en línea

Artículo

Combining mechanistic and machine learning models for predictive engineering and optimization of tryptophan metabolismCombinación de modelos mecánicos y de aprendizaje automático para ingeniería predictiva y optimización del metabolismo del triptófano

Resumen

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.

Cómo citar el documento

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.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento