Scidown文献预览系统!
集成知识挖掘、基因组规模建模和机器学习用于预测脂多亚氏菌的生物生产( Integrated knowledge mining, genome-scale modeling, and machine learning for predicting Yarrowia lipolytica bioproduction )
JJ Czajka T Oyetunde YJ Tang
由于微生物调控网络、胁迫反应和次优培养条件之间的复杂相互作用,预测微生物宿主的生物生产效价一直是一个挑战性的问题。本研究将知识挖掘、特征提取、基因组模型(GSM)和机器学习(ML)相结合,建立了一个预测脂质叶青化学效价(即有机酸、萜类化合物等)的模型。首先,从文献(100篇论文)中人工收集脂溶性酵母生产数据,包括培养条件、基因工程策略和产品信息,并将其存储为数字变量(如底物浓度)或分类变量(如生物反应器模式)。对于每一个记录的病例,使用GSMs和通量平衡分析(FBA)估计中心途径通量,以提供代谢特征。其次,一个ML集成学习者被训练来预测菌株生产滴度。对于生产效价>1克/升的情况,得到了准确的预测(R=0.92)。然而,由于特征中没有捕捉到生物合成瓶颈,该模型降低了对低性能菌株(0.01-1 g/L,R=0.36)的预测性。特征排序表明FBA通量、酶步数、底物输入和热力学势垒(即反应的吉布斯自由能)是最重要的影响因素。第三,该模型在其他产油酵母菌上的评价表明,一些宿主具有保守的特征,可以通过迁移学习进行潜在的开发。该平台还设计来协助计算应变设计工具(如OptKnock)根据实验条件筛选改进微生物产量的遗传目标。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】