一个人工智能驱动的工作流程,用于加速优化无细胞蛋白质合成
Mostafa M Khalil1, Aisha Elsawah1, An N Hoang1
1Université Paris-Saclay, INRAE, AgroParisTech, Micalis Institute, 78352 Jouy-en-Josas, France.
iScience
|October 20, 2025
概括
我们开发了一个使用主动学习的自动化管道来优化无细胞蛋白质合成 (CFPS). 该系统显著提高了蛋白质产量,使合成生物学工作流程更有效和更容易获得.
科学领域:
- 合成生物学 合成生物学
- 生物技术是生物技术.
- 计算生物学 计算生物学
背景情况:
- 无细胞蛋白合成 (CFPS) 对于快速的生物原型设计至关重要.
- 优化CFPS组件组合是实验密集和耗时的.
- 积极学习 (AL) 可以减少实验负担,但在实验室工作流程中并不广泛采用.
研究的目的:
- 为CFPS优化开发一个完全自动化的设计-构建-测试-学习 (DBTL) 管道.
- 整合一个改进的AL策略来选择信息丰富和多样化的实验条件.
- 简化合成生物学工作流程,减少开发时间.
主要方法:
- 在设计阶段使用ChatGPT-4开发了一个自动化的DBTL管道.
- 在Galaxy平台内模块化实施管道,遵守公平原则.
- 采用了改进的AL策略,以有效地选择实验条件.
主要成果:
- 在大肠杆菌和HeLa CFPS系统中达到2到9倍的胆M和E1产量.
- 优化仅在四个周期内完成.
- 展示了ChatGPT-4在减少设计阶段编码时间方面的能力.
结论:
- 自动化的DBTL管道显著提高了CFPS产量.
- 这个框架可以实现可靠和自动化的合成生物学工作流程.
- 整合AL和AI工具加速了生物工程过程.


