[ad_1]
(Noticias de Nanowerk) Aunque la ingeniería de sistemas biológicos es realmente indispensable en biotecnología y biología sintética, hoy en día el aprendizaje automático se ha vuelto útil en todas las áreas de la biología. Sin embargo, es obvio que la aplicación y mejora de algoritmos, métodos de cálculo que consisten en listas de instrucciones, no es de fácil acceso. No solo están limitados por el conocimiento de programación, sino también por la insuficiencia de datos etiquetados experimentalmente. En la intersección del trabajo computacional y experimental, existe la necesidad de enfoques eficientes para cerrar la brecha entre los algoritmos de aprendizaje automático y sus aplicaciones a los sistemas biológicos.
Un equipo dirigido por Tobias Erb en el Instituto Max Planck de Microbiología Terrestre ahora ha logrado democratizar el aprendizaje automático. En su reciente publicación en comunicación de la naturaleza («Un flujo de trabajo de aprendizaje activo versátil para la optimización de redes genéticas y metabólicas»), el equipo presentó su herramienta METIS junto con socios de cooperación del Instituto INRAe en París.
La aplicación está construida en una arquitectura tan versátil y modular que no requiere conocimientos informáticos y se puede aplicar en diferentes sistemas biológicos y con diferentes equipos de laboratorio. METIS es la abreviatura de Ensayos experimentales guiados por aprendizaje automático para la mejora de sistemas y también lleva el nombre de la antigua diosa de la sabiduría y el «sabio consejo».
![Ilustración de un sistema de software fácil de usar para optimizar sistemas biológicos](https://www.nanowerk.com/news2/biotech/id61035_1.jpg)
Menos datos requeridos
El aprendizaje activo, también conocido como diseño experimental óptimo, utiliza algoritmos de aprendizaje automático para sugerir de forma interactiva el siguiente conjunto de experimentos después de haber sido entrenado en resultados anteriores, un enfoque valioso para los científicos del laboratorio húmedo, especialmente cuando se trabaja con un número limitado de experimentos marcados como trabajo de datos. Sin embargo, uno de los principales cuellos de botella son los datos etiquetados experimentalmente que se generan en el laboratorio y no siempre son lo suficientemente altos como para entrenar modelos de aprendizaje automático.
«Si bien el aprendizaje activo ya reduce la necesidad de datos experimentales, fuimos más allá e investigamos diferentes algoritmos de aprendizaje automático. Afortunadamente, encontramos un modelo que depende aún menos de los datos», dice Amir Pandi, uno de los autores principales del estudio.
Para demostrar la versatilidad de METIS, el equipo lo utilizó para una variedad de aplicaciones, incluida la optimización de la producción de proteínas, construcciones genéticas, ingeniería combinatoria de actividad enzimática y un CO complejo2 Ciclo metabólico de fijación denominado CETCH. Para el ciclo CETCH, exploraron un espacio combinatorio de 1025 condiciones con solo 1000 condiciones experimentales e informaron el CO más eficiente2 cascada de fijación descrita anteriormente.
Optimización de sistemas biológicos
En la aplicación, el estudio ofrece herramientas novedosas para democratizar y promover los esfuerzos actuales en biotecnología, biología sintética, diseño de circuitos genéticos e ingeniería metabólica. «METIS permite a los investigadores optimizar sus sistemas biológicos ya descubiertos o sintetizados», dice Christoph Diehl, coautor del estudio. “Pero también es una guía combinatoria para comprender interacciones complejas y optimización basada en hipótesis. Y lo que probablemente sea el beneficio más emocionante, puede ser un sistema muy útil para crear prototipos de sistemas novedosos”.
METIS es una herramienta modular que se ejecuta como cuadernos Python de Google Colab y se puede utilizar desde una copia personal del cuaderno en un navegador web sin necesidad de instalación, registro o potencia informática local. Los materiales proporcionados en este trabajo pueden guiar a los usuarios a personalizar METIS para sus aplicaciones.
[ad_2]