Optimización de circuitos genéticos con aversión al riesgo en condiciones de incertidumbre

Área de la Ciencia:

• Biología sintética
• Biología computacional
• Bioingeniería

Sus antecedentes:

• La ingeniería de sistemas biológicos requiere navegar por complejos espacios de diseño, a menudo limitados por la experimentación de laboratorio.
• El modelado matemático y la optimización computacional aceleran el diseño, pero sufren de imprecisiones inherentes del modelo, lo que lleva a un rendimiento in vivo subóptimo.

Objetivo del estudio:

• Desarrollar un marco computacional robusto para diseñar circuitos biológicos funcionales abordando la incertidumbre del modelo.
• Mejorar la precisión de la predicción y el rendimiento in vivo de los sistemas biológicos diseñados.

Principales métodos:

• Se utilizó la inferencia bayesiana para estimar la distribución de los parámetros del modelo a partir de diseños no funcionales.
• Se empleó el muestreo de Thompson y la optimización con aversión al riesgo para seleccionar parámetros de diseño robustos.
• Se validó el enfoque en circuitos de adaptación y osciladores genéticos utilizando diversas complejidades de modelos y tipos de datos.

Principales resultados:

• El método propuesto estima eficazmente las distribuciones de parámetros e identifica diseños óptimos y con aversión al riesgo.
• Se demostró la aplicación exitosa en el diseño de circuitos de adaptación y osciladores genéticos.
• Se mostró la versatilidad del enfoque en diversas complejidades de modelos y fuentes de datos.

Conclusiones:

• La integración de la inferencia bayesiana, el muestreo de Thompson y la gestión de riesgos ofrece una estrategia poderosa para reducir el riesgo en el diseño de circuitos biológicos.
• Este enfoque computacional mejora la fiabilidad y la eficiencia de la ingeniería de sistemas biológicos funcionales.
• El método proporciona un camino hacia aplicaciones de biología sintética más predecibles y exitosas.