合成生物新突破!中科院罗小舟团队开发 ProEnsemble 机器学习框架:优化进化通路启动子组合

损失函数与优化器:从「梯度是怎么被造出来的」到「梯度是怎么被用掉的」 本文揭示损失函数与优化器本质一体:优化器仅依赖损失产生的梯度,而损失决定梯度的方向、尺度与噪声特性。错误的损失选择(如分类用MSE)会导致梯度失衡,使优化器失效;不同损失(如Huber、Focal)通过调控梯度分布影响优化过程。实测表明,归约方式、标签结构与损失配对直接决定梯度行为,进而影响收敛性与泛化。核心观点:选对损失,才是让优化器“看得懂”的前提。 阅读详情

在合成生物学领域,研究人员将来自其他生物体的酶基因导入某种宿主体中,构建起新的代谢途径,可以让宿主生产出自己本身不能合成的物质,这一点已被证实并广泛应用于生物燃料、高价值化学品和抗癌药物等化合物的生产中。

然而,上述的代谢途径进化过程并非畅通无阻,一个重要的制约因素便是基因上位效应。

遗传学家 Daniel Weinreich 曾表示,基因上位效应类似于已知单个突变作用时,组合突变却产生「意外之喜」。具体来讲,上位基因可以抑制某个特定基因的功能性表达,这使得一些有助于优化代谢途径的基因突变无法发挥作用,造成代谢途径进化的不确定性。

自然状态下,由于基因上位效应的存在,一个酶的微小改造可能会使另一个酶阻碍代谢途径的发展,导致代谢功能增强或新功能挖掘需要经历较长的周期。因此,如何以更短时间、较少迭代次数快速达到数千年自然进化所需的效果,一直是该领域研究的难点。

针对上述问题,中国科学院深圳先进技术研究院合成所罗小舟团队利用自动化大设施平台技术,确定可控的进化轨迹,实现了代谢通路多个关键性基因的自动同步进化。同时,结合 ProEnsemble 机器学习框架来优化启动子组合,缓解进化途径中基因上位效应的影响,创造了一个高效的通用型底盘。

研究亮点:

  • 融合自动化和机器学习的优势,提高底盘开发的速度和效率,缩短研发周期,降低成本。

  • 为生物智能制造领域提供了前沿的技术路线和全新的解决方案。

图片

论文地址:
https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202306935
关注公众号,后台回复「代谢途径」获取完整 PDF

自动化平台加速代谢途径同步进化

图片

通路瓶颈设计与解除策略的三个阶段

本研究提出了一种通路瓶颈设计与解除策略的方案,以柚皮素为例:

第一阶段,搭载自动化大设施平台技术,让合成柚皮素的相关基因低水平表达(低拷贝数背景),构建一个柚皮素合成的人工代谢瓶颈。

第二阶段,筛选与原始突变体柚皮素产量相当的候选突变体 4CL-11C1 和 CHS-9H9,消除柚皮素途径的瓶颈。

第三阶段,通过人工智能介导的启动子工程,将单个基因的突变体放回原始通路并平衡代谢流。

研究结果表明,在清晰轨迹的范围内,人工瓶颈创造与解除策略可实现代谢途径的高效进化,也进一步证实了上位效应可能会限制途径进化的边界。

此外,对柚皮素关键基因所对应的三种酶进行定向进化可能会诱发代谢途径失衡。对此,研究人员借助机器学习框架 ProEnsemble 来优化进化通路的启动子组合,进一步优化每种途径酶的表达,提高柚皮素的产量。

数据集:历史公开数据筛选

数据集1: 研究人员从文献资料中筛选出 42 个具有广泛动态范围的已报道启动子,最终筛选了 12 个强度差异显著的启动子,并将它们分为高强度、中强度和低强度三类。

图片

用于激活TAL-26E7, 4CL-11C1, CHS-9H9和CHI基因的12个候选启动子的表达强度水平;

PT7启动子为阳性启动子,PBAD启动子为阴性启动子

数据集2: 研究人员通过 Al3+ 信号检测法筛选了大约 1,000 个能够产生高柚皮素浓度的突变体,并从中收集了一个平衡数据集。随后,选择了其中 108 个 Al3+ 信号高于 0.2 的突变体作为高产代表,又随机挑选了 50 个 Al3+ 信号低于 0.2 的样本,共 158 个突变体。其中,Top1 的 NAR1.0 菌株柚皮素产量比对照组高出 4.44 倍。

模型架构:ProEnsemble 优化启动子组合

研究人员提出了一种名为 ProEnsemble 的启动子组合预测框架,该框架旨在建立不同启动子组合与柚皮素产量之间的关系,即将 12 种不同类型启动子编码,对应的输出是柚皮素的产量。

图片

ProEnsemble 模型方案

具体来说,通过对上述包含 158 个突变体的数据集进行十折交叉验证,评估 13 种常规预测器的均方根误差 (Root Mean Square Error, RMSE)。

随后,通过前向模型选择,将误差最小的预测器依次进行集成,选择 RMSE 最小的集成模型作为最终的预测模型。最佳模型是 Gradient Boosting Regressor, Ridge Regressor 和 Gradient Boosting 的组合。

研究结果表明,该 ProEnsemble 模型预测的 Top5 菌株柚皮素产量均高于 700 mg/L,比随机采样(960 样本有 5 个高产菌株)更具高效性和准确性。

但是,该数据集的不平衡分布可能会限制模型的预测能力,导致 Top5 菌株产量均未超过 NAR1.0 菌株。

模型优化:平衡分布数据,增强模型性能

研究人员重新从另外 1,500 个克隆子中进一步扩大训练集,分别用柚皮素含量高于 400、500、600、700 和 800 mg/L 的数据集优化模型。

图片

柚皮素测定值与最优预测模型预测值的 PCC

最终,在初始数据集中增加 27 个高于 600 mg/L 的数据集后,模型表现最佳,Pearson 相关系数 (PCC) 从 0.74 提高到 0.82,结果表明数据集平衡分布对增强模型性能的重要性。

图片

不同菌株中的柚皮素产量

通过检测不同菌株中的柚皮素产量,研究人员发现第二轮预测的 Top5 菌株均能高效合成柚皮素。最高产的 NAR2.0 为 1.21 g/L,比 NAR1.0 高出 16%,比未经启动子优化的初始构建体高 5.16 倍。

值得注意的是,随机启动子库中超过 99.11% 的菌株产量低于 1g/L,这表明 ProEnsemble 集成模型具有挖掘高产菌株的可能性。

实验结论:通用型底盘高效合成黄酮类化合物

图片

柚皮素底盘高效合成下游黄酮类化合物

为了进一步验证该研究所提方案的可行性,研究人员通过柚皮素底盘实现了染料木素、樱花素和橙皮素等黄酮类化合物的高效合成,其中染料木素产量达到 72.32 mg/L,樱花素产量为 223.39 mg/L,橙皮素产量为 82.50 mg/L,各黄酮产量均高于文献报告水平,这为生产高附加值化合物提供了新的思路。

中国的合成生物产业仍处于初级阶段

近年来,欧美等发达国家纷纷采取措施推动合成生物学及其相关制造业的发展,我国政府也对该领域给予了高度重视,并将合成生物技术列为引领我国产业变革的颠覆性技术,与之息息相关的代谢途径优化,成为了越来越多研究者关注的热点。

在 AI 与大数据时代背景下,机器学习技术的自动化学习、灵活性和强大的数据处理能力等,为代谢途径的优化提供了新的思考方向,也为合成生物学带来了新的生机。

事实上,国内早有先驱者投身这一新兴行业,本文的作者罗小舟就在 2019 年创立了一家专注研发合成生物技术的企业——森瑞斯生物科技(深圳)有限公司。该公司把大数据和 AI 技术用于生物合成,背靠院校的科研资源,快速研发和落地了一些高附加值的产品管线,成功攻克了多项合成生物生产工艺的难题,完成了细分品类的底盘细胞构建。

此外,今年 1 月份,罗小舟博士团队还曾提出了一种酶动力学参数预测框架 EF-UniKP,该框架基于预训练大语言模型和机器学习模型,实现了酶动力学参数的准确预测和特定酶的高效挖掘。据了解,目前研究团队正在与森瑞斯生物科技(深圳)有限公司展开进一步的合作,有望推动该技术的落地和转化。(点击查看详细内容:中科院罗小舟团队提出 UniKP 框架,大模型 + 机器学习高精度预测酶动力学参数)

可以说,罗小舟博士完美践行了「产研融合」,在深耕合成生物学研究的同时,也在推动优秀成果落地产业。面对全球合成生物学产业的蓬勃发展现状,罗小舟表示,尽管我国在合成生物产业取得了初步成就,但仍处于起始阶段。因此,进一步加强核心技术的研发,确保科研成果与产业实践的深度结合,是缩小我国与发达国家合成生物产业差距的关键所在。

参考资料:
1. http://cn.chinagate.cn/news/2018-11/16/content_72414672_2.htm

2. https://new.qq.com/rain/a/20230918A03TY700

3. https://sheitc.sh.gov.cn/dsxxjyzl/20231129/7321884958b14651abeac020f7802f8b.html

4. https://www.develpress.com/?p=4755

5. http://www.isynbio.org/news-detail.aspx?detail=8217&parm=1772

6. https://www.cn-healthcare.com/article/20221028/content-574249.html

7. https://isynbio.siat.ac.cn/view.php?id=814

ElementUI时间选择器(el-date-picker)输入格式的智能转换与动态适配 本文深入探讨了ElementUI时间选择器(el-date-picker)在处理用户自由格式输入时的痛点,并提出了基于Vue自定义指令的智能转换解决方案。该方案通过核心解析函数自动识别如“20231225”等连续数字输入,将其动态转换为标准时间格式,并确保与表单验证兼容,有效提升了后台管理系统的输入效率和用户体验。 阅读详情

相关推荐

前馈神经网络求解XOR问题

摘要 前馈神经网络是一种最简单的神经网络,各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出,并输出给下一层.各层之间没有反馈。是目前应用最广泛、发展最迅速的人工神经网络之一。研究从20世纪60年代开始,目前理论研究和实际应用达到了很高的水平[1]。本节通过设计包含输入层、一个隐含层和输出层的前馈神经网络,实现XOR运算,并基于计算数据或实验数据分析隐含层决策面的特点,进而总结前馈神经网络隐含层的作用。 1.1 神经网络结构设计 1.1.1 XOR问题描述 ...

sinat_28178805的博客 2361

2025三掌柜赠书活动第六期:合成生物学智能化设计与应用

继“DNA双螺旋结构的发现”和“人类基因组计划“之后,合成生物学(Synthetic Biology)是以工程化手段设计合成基因组为标志的“第三次生物技术革命”。合成生物学是一门21世纪新兴的跨学科领域,它结合了生物学、工程学、计算机科学、分子生物学、遗传学等多个学科的知识和技术,其运用工程学理念,重新设计、改造甚至重新合成生物体,突破传统自然发生和进化过程,实现产量或性能的提升。那么接下来就来详细聊聊。

全沾软贱开发攻城狮 1万+

ITK-snap进行分割区域标注、三维显示及改变显示颜色

在进行医学图像器官分割时,无论我们是用传统方法还是深度学习,最后肯定要用到手动分割的区域作为金标准来验证我们方法的精度。但是手动标注器官的轮廓是十分耗时的,这里我介绍一个比较简单的标注方法,以肺分割作为例子。 我们使用ITK-snap作为分割标注工具。 当切片间距离比较小时,比如1mm,一个患者的完整HRCT序列通常在200张以上,如果让医生一一进行分割区域标注是非常耗时乏味的。因此,我们可以使用最简单的阈值法比如OSTU,加上基本的形态学操作对肺进行粗分割得到粗略的分割掩码,在此基础上再手动的对分割结果进

u010409517的博客 2万+

西湖大学宋春青团队开发非经典pegRNA,显著提升先导编辑RNP递送效率

数据表明,在RNP递送条件下,npegRNA的平均编辑产量较标准pegRNA提高26.8倍,较工程化epegRNA提高5.9倍。该团队通过结构导向工程改造,开发了一类非经典pegRNA(npegRNA),将RTT–PBS序列整合到sgRNA环区域,从而在不增加脱靶风险的前提下显著提升先导编辑效率,尤其适用于RNP和RNA等瞬时递送体系。总体而言,该研究证明npegRNA是一种强有力的先导编辑策略,凸显了非经典pegRNA在治疗性PE应用中的潜力,为精准基因编辑的瞬时递送效率瓶颈提供了新的解决思路。

Orange_Yang123的博客 248

大模型部署指南:SGLang 框架

本文介绍使用 SGLang 框架部署大模型

举世誉之而不加劝,举世非之而不加沮,定乎内外之分,辩乎荣辱之境,斯已矣。 1620

LLaMA Factory添加新模型template的实战解析

本文主要介绍了LLaMA Factory添加新模型template的实战解析,希望对使用大语言模型的同学们有所帮助。 文章目录 1. 前言 2. 实战解析 2.1 检查代码 2.2 修改代码

herosunly的博客 19万+

低温ECR-MOCVD生长(002)GaN:椭偏仪测厚与电学性能

本研究用ECR-MOCVD在Si(111)和蓝宝石衬底上低温生长GaN薄膜,蓝宝石1.0SCCM、2h样品呈完全(002)择优取向,椭偏仪测厚32.81nm,迁移率10.42cm²/(V·s)。文章梳理了生长温度、TMGa流量与生长时间对结晶取向、膜厚、粗糙度、光学带隙和电学性能的影响。

Flexfilm_的博客 402

Open3D点云数据处理(二):读写点云,你真的会吗?

本文详细介绍了open3d加载点云、保存点云的方法,同时打印点云坐标、颜色、法向量等字段信息。

孙悟空 2604

【第84期】过拟合欠拟合与复杂度对照的实验与排查

系列:《从小白到 AI 大模型开发工程师的进阶之路》 技术点:AI-0306 过拟合与欠拟合 主人公:小蓝伞 前置:AI-0302 本期产出:学习曲线小蓝伞用越来越高次的多项式拟合一条带噪曲线,训练误差继续下降,但这不能说明他更接近真实关系。本期固定训练样本与噪声,只改变多项式次数,比较对训练点和无噪参考曲线的误差,并区分验证曲线与学习曲线。教学情境用来组织问题,下面的执行数据来自构造实验。

qq_36085846的博客 201

模型实战(32)之 yolo26 实现对全身关键点数据集 的训练与关键点检测

模型实战(32)之 yolo26 实现对全身关键点数据集 的训练与关键点检测

yohnyang的博客 91

Open3D 机载点云电力线提取【2025最新版】

传统方法实现的机载点云电力线分割提取。博客长期更新,本文最新更新时间为:2025年3月23日。

点云侠的博客 4469

小批量训练的JAX机器学习

本文介绍基于BFGS的小批量训练算法,针对全批量方法在高样本量下计算复杂度高的问题,结合JAX的自动微分与高效计算,实现快速收敛。通过optimtool库中的改进的bfgs优化器与小批量策略,支持分类与回归任务,具备早停机制与灵活监控选项,显著提升大规模机器学习训练效率。

林景的博客 142

PCB层叠结构与阻抗计算

1.Core 和 PP PCB两个重要组成部分:Core 和 Prepreg(半固态片,简称PP)。 如下图所示, Core 的两个表面都铺有铜箔,可作为信号层、电源层、地层等导电层,Core的上下表面之间填充的是固态材料; PP的表面不铺铜,在PCB中起填充作用,其材质是半固体的树脂材料,因此比Core略软一些。 在制作多层板时,需配合使用Core和PP,一般在两个Core 之间应选PP作为填...

sinat_15677011的博客 1万+

新品快讯 | ROHM支持GaN高频开关的TP-PFC控制器IC

另一方面,传统的TP-PFC控制技术广泛使用MCU,但对于小型电源设备而言,除了功耗、电路规模和成本方面的挑战外,如何实现针对GaN HEMT高频开关的控制也成为亟需解决的难题。全球知名半导体制造商ROHM(总部位于日本京都市)宣布,开发出有助于实现小型高效率AC-DC电源的Totem Pole PFC*1(图腾柱PFC,以下简称“TP-PFC”)控制器IC“BM85060FV”,其特点是可在支持GaN HEMT*2高频开关的MHz频段工作。GaN(氮化镓)是一种用于新一代功率元器件的化合物半导体材料。

ONEYAC唯样的博客 228

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 568

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

机器学习基础|监督学习、标签、回归

网约车预估等待时长依赖监督学习中的回归任务。平台利用历史订单数据,以司机实际到达耗时为标签,通过上车点、时间、运力、路况等特征训练模型。模型不断优化预测值与真实耗时的误差,最终对新订单输出连续的预估等待时间,实现精准预测。

weixin_43971465的博客 278

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

Hugging Face:成为机器学习界的“Github”

以下文章来源于OneFlow,作者OneFlow社区五年前,AI领域的知名研究者Andrej Karpathy发文称,传统人工编程属于“软件1.0”,“软件2

2601_96798011的博客 154

机器学习——混淆矩阵(待更新)

二元: true表示真实==预测,positive表示预测值=1.

m0_61175448的博客 179

Spark06_MLlib机器学习

本文是《PySpark 从入门到实战》系列收官篇,带你用 Spark MLlib 走通机器学习全流程:从三要素与 7 步标准流程讲起,剖析 KNN、朴素贝叶斯、决策树三大算法原理,再以 KNN 手写、垃圾短信分类、决策树分类、逻辑回归鸢尾花(准确率 96.67%)、K-Means 聚类(轮廓系数 0.7345)五个案例落地,最后详解 TF-IDF 文本特征与余弦相似度。全文代码可直接运行,适合有 RDD 与 Spark SQL 基础的开发者快速上手。

2301_80420058的博客 484

LoRA的低秩数学与QLoRA实现

本文系统解析了LoRA及其进阶版QLoRA在十亿参数模型微调中的高效机制。通过低秩假设,将权重更新量ΔW近似为低秩矩阵积,显著压缩可训练参数与显存占用;QLoRA进一步将基座模型量化至4比特(NF4),结合双重量化与分页优化器,实现65B模型单卡微调。文章详解了B初始化为零、缩放系数α/r设计、挂载位置选择等关键实操细节,并给出可运行代码。实践表明:4比特基座+高精度LoRA在多数任务上媲美全参微调,且训练效率极高。超参方面,r不宜过大,学习率需上调,数据质量重于数量。最后强调:LoRA适用于风格适配与领域

2601_96733043的博客 343

AI小白入门|无监督学习到底是什么?

很多新手看完无监督学习的定义只会死记硬背。本文避开复杂公式,从真实业务场景切入,对比监督学习,讲清楚无监督学习的核心价值、适用场景、底层逻辑和容易踩坑的认知误区,帮你理解它在机器学习链路里的定位。

weixin_43971465的博客 205

SVM支持向量机通俗解析:找到机器学习的“最优分界线”

一、爆款钩子:同样是画分界线,为何SVM能成为机器学习的“王者选手”?做机器学习的人,几乎都绕不开一个问题:如何给混乱的数据“分家”?有人用逻辑回归,有人用KNN,但有一个算法

2601_96798737的博客 167

机器学习03,端到端02

个人笔记

qq_59247073的博客 292

GaN 动态导通电阻测试专题:电流崩塌从哪来,测量窗口怎么选

但器件装到实际电路上跑一段时间,或者用双脉冲台架模拟开关工况再测导通压降,数值往往明显高于手册静态值,而且关断应力越强(母线电压越高、应力保持越久),抬升越明显;:使用钳位电压探头,把示波器通道的工作区间限制在低电压区(常见做法是钳位在 1.5V 附近的导通压降区),应力高压段由钳位电路吸收,导通段以高分辨率采样。台架搭建相对简单,是器件表征最常用的方案。双脉冲台的难点不在发脉冲,而在采样:漏源电压要从几百伏的应力电平瞬间跌落到毫伏至伏级的导通压降,示波器单一量程难以兼顾"扛住高压"和"分辨毫伏"。

Namisooft的博客 277

《机器学习sklearn实战教程》02|Python机器学习开发环境搭建

2.1 为什么要先搭环境很多人学机器学习,卡住的第一步不是算法,而是环境。代码明明照着教程敲了,却一运行就报错。不是缺包,就是版本冲突。最常见的情况是,昨天还能跑,今天装了个新库

2601_96798011的博客 248

CAGR 21.8%:GaN功率器件封装材料市场从3.23亿美元迈向12.77亿美元

随着氮化镓(GaN)功率半导体在消费快充、AI服务器电源及车载电源领域的加速渗透,GaN功率器件封装材料作为实现芯片贴装、电气互连、热量传导和长期可靠性保障的核心功能性材料,正迎来爆发式增长期。根据LP Information(路亿市场策略)初步调研,2025年全球GaN功率器件封装材料市场规模约为3.23亿美元,2026年预计约3.91亿美元,2032年将达到12.77亿美元,2026—2032年复合增长率(CAGR)高达21.8%。

LPIHelen的博客 206
上一篇: 基于 7 大城市实景数据,清华大学团队开源 GPD 模型
下一篇: 优于五大先进模型,浙江大学杜震洪团队提出 GNNWLR 模型:提升成矿预测准确性
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值