机器人系统可规划并实现生物合成而无人工干预

完全自动化算法驱动平台不仅设计、构建和测试生化路径制造贵重复合物,还可以从错误中学习并优化过程^一号初始搭建后 机器人系统规划并完成所有实验新方法可用生物工程生产各种化学品

计算机科学家与生物工程师更密切合作的前景正在流出

VikramadityaYadav不列颠哥伦比亚大学

使用合成生物和生物工程开发的材料对研究、医学和工业很重要,但生物系统复杂,通常需要多轮设计、构建、测试和学习生物园区开发系统模仿工厂并使用生化路径生成贵重复合物,这是向循环设计、构建和测试构件自动化迈出的重要一步,但没有自动化学习实例美国团队创建BioAutomata平台,仅此即可实现

授权最先进机器人系统使用人工智能进行化学制造和生物实验,在没有人工干预的情况下规划实验绍拉布辛哈伊利诺斯大学Urbana-Champai他的同事辉民赵指出前生物构造努力侧重于DBTL周期的一或二分元值,而他们的四分法则全能执行并用AI自动化关闭全周期Sinha补充道系统包含算法,可以学习并规划新实验机体系统从测试中学习并准备重复工程周期

BioAtomata使用伊利诺伊生物创创用iBioFAB构建,由化工团队于2014年开发²iBioFAB将20多件仪器与机器人臂整合大平台并可用于执行多项生物工程实验科学家测试他们的系统时最优化地对红食品添加物和番茄色素生物合成Sinha解释BioAutomata的任务是调和路径上三种基因的活动以获取期望产品每种基因都可调适多级活动之一, 并有数不胜数可能的组合

BioAutomata使用特殊算法Bayesian优化Sinha表示使用此算法,新平台评价不到13 824可能性的1%,并仍然能超过常规试入策略77%

保尔费蒙特英国帝国学院不参与研究说,作品展示生物合成路径工程新方法的力量显示使用自动实验设计优于随机方法生物合成路径工程的明显优势,强化生物构造在合成生物中的新兴作用

Vikramaditya亚达夫不列颠哥伦比亚大学(Canada)补充道,结果优美地展示机器学习如何驱动未来生物系统优化最接近对立技术George Church多路自动化基因组工程,³大差消除随机性

研究人员指出,他们的方法也可以应用到生产其他化学品上。并识别新生物机制或洞察力,

亚达夫认为前方有振奋人心的时代machine学习是终极差异器, 计算机科学家与生物工程师更密切合作的前景正在消亡新纪元目标高精度生物工程