Este trabajo presenta una revisión sobre la aplicación de machine learning (ML) o aprendizaje automático para mejorar la predictibilidad y eficiencia de la ingeniería metabólica, abordando aspectos como gestión de datos, bibliotecas de algoritmos y recursos informáticos, una discusión sobre diversas aplicaciones desde la construcción y optimización de vías hasta la ampliación. Los autores incluyen un apartado sobre perspectivas futuras y las alternativas más promisorias para la combinación de estas metodologías, aclarando que la ingeniería metabólica podría tomar dos cursos; uno donde prevalecen los métodos tradicionales, el progreso es incremental y donde una mayor cantidad de moléculas se ponen arduamente en uso comercial a un ritmo creciente. En el otro, la ingeniería metabólica abarca e integra completamente las posibilidades que ofrece la automatización y el aprendizaje automático, lo cual conduce a un cambio disruptivo que hace que la producción de nuevas moléculas sea una tarea relativamente fácil, gracias a las nuevas capacidades predictivas.
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:
Control óptimo en tiempo real de vehículos de combate de múltiples ruedas, utilizando redes neuronales artificiales y campos de potencial
Artículo:
Preparación y caracterización de micropartículas hidrosolubles de quitosano cargadas con insulina mediante el método de complejación de polielectrolitos
Artículo:
Detección de anomalías en vídeos mediante un autocodificador de dos flujos con interpretabilidad post-hoc
Artículo:
Interacción persona-ordenador mediante gestos manuales en tiempo real
Artículo:
Fenómeno piezoeléctrico de la estructura enlazada de fullereno y grafeno