费米计算能够快速降低目标基因的选择,并优化光合作用系统中的过程

科学领域:

• 合成生物学 合成生物学
• 代谢工程是代谢工程.
• 计算生物学 计算生物学

背景情况:

• 了解光合作用生物体 (植物,微生物) 的环境反应对于农业,粮食安全和能源至关重要,特别是在气候变化方面.
• 当前的研究往往依赖于复杂的计算模型或高通量研究,可能会忽视更简单,更有效的方法.

研究的目的:

• 在设计和扩大光合作用生物的工作流程中嵌入背包 (费尔米) 计算.
• 展示简单计算对于初步探索,可行性评估和指导高级计算工作流的实用性.

主要方法:

• 利用基于基本原则和可用的数据的费米计算 (数量级估计).
• 应用这些计算来确定遗传目标,评估计算建模物流,并评估工业生物燃料生产的表型.
• 集成的费米检查数据驱动的工作流程,以实现生物意识的机器学习和指导最先进的理解.

主要成果:

• 费米计算提供了对对植物和微生物环境和遗传变化的反应中的代谢转变的第一通道理解.
• 这种方法有助于确定关键的遗传标,并评估使用生物体作为工业生物燃料生产底盘的可行性.
• 该方法有助于确定资源分配的优先级,并识别预测和实验中的差距.

结论:

• 简单,生物学和资源意识的费米计算是合成生物学初步探索和可行性评估的宝贵工具.
• 这种方法增强了对不同环境 (实验室与工业) 的生物体反应的直觉,并最大限度地提高了成本回报率.
• 将费米检查嵌入到高级工作流中可以改善生物意识机器学习,并指导可持续发展的研究重点.