iBioSim 3:基因电路设计工具

iBioSim 3:一种用于基于模型的基因电路设计的工具

iBioSim是犹他大学正在积极开发的一种用于基因回路建模、分析和设计的遗传设计自动化(GDA)工具(见图1)。iBioSim得益于社区开发的标准,这些标准促进了基于模型的基因回路设计,并允许通过数据仓库共享这些设计。尽管存在其他遗传设计自动化工具,例如Cello,但 iBioSim并不局限于逻辑电路的基因回路。此外, iBioSim支持更广泛的部件使用,且其分析功能完全由标准支持。虽然存在符合标准的模拟器工具,如 libRoadRunner、COPASI和SBMLsimulator等,但它们不能用于基因回路设计。图2 展示了 iBioSim关键特性的高级示意图。

iBioSim于2003年作为系统生物学工具出现。第一个版本包括 reb2sac,7一种将基于反应的网络转换为随机异步电路以进行高效分析的模拟工具,GeneNet,8一种从时间序列数据推断基因回路连接性的学习工具,以及一个用户界面(UI)以方便使用reb2sac和 GeneNet。 iBioSim在该工具被用于在计算机中设计遗传C元件后,开始面向合成生物学应用。9

在第一版中,该工具使用了一种称为基因电路模型(GCM)的自定义建模表示方法,作为表示基因调控网络的高级抽象。然而,在第二版中,该工具采用了用于模型和设计可重复性与共享的标准,包括系统生物学标记语言(SBML)10和合成生物学开放语言( SBOL)11,12。实现了一个原理图编辑器,通过图形用户界面(GUI)构建模型。同时还实现了新的分析方法,包括增量式随机模拟算法(iSSA)13,该算法以较小的时间步长进行计算,并在每个时间步结束时检查统计信息,以约束下一步的初始值;随机模型检验 14,其使用连续时间马尔可夫分析来推理设计在捕获关键行为的随机属性方面的正确性;以及动态细胞群体的基于网格的模型15。

示意图0

示意图1

DNA电路设计:在 iBioSim中,基因回路设计首先使用 SBOLDesigner16工具从 SynBioHub部件仓库(正式名称为 SBOL Stack17)中选择基因元件。该DNA层面设计采用SBOL 2版本进行表达。SBOLDesigner是一款直观的序列编辑器工具,作为插件集成到 iBioSim中。遗传设计的结构层可以在 SBOLDesigner的画布上分层查看和创建。SynBioHub是一个合成生物学设计仓库,支持以SBOL表示的基因设计的存储与共享。该功能通过提供基于已有设计构建新设计的手段,促进了基于模型的基因回路设计
模型生成:使用 Virtual Parts Repository(VPR) 生成器获取相互作用数据,如18,19中所述,从 SynBioHub添加功能信息到SBOL描述中。例如,在DNA层面设计中,它会添加作为转录因子作用于启动子的蛋白质,以及这些蛋白质的编码序列。这些蛋白质组分与由SBOLDesigner构建的DNA组分及其相互作用共同构成功能性的模块定义。接下来,可应用SBOL到SBML转换器20,将相应SBOL的结构和功能信息转换为以 SBML第3级版本2表示的定量模型。由于SBOL用于表示定性模型,SBML所需的定量信息是通过推断得出的20。然而,随后可以使用 iBioSim的模型编辑器进一步优化该 SBML模型并添加模型参数。任何所做的修改都可以通过SBML到SBOL转换器21映射回 SBOL。

分析:iBioSim支持使用多种不同的仿真方法对SBML模型进行仿真,例如常微分方程(ODEs)和随机仿真。iBioSim是首个能够在不展平结构的情况下仿真使用了分层模型组合(comp)22和数组包的SBML模型的软件工具,23,24而展平过程可能比仿真本身耗时更长。iBioSim仿真功能的另一特性是能够对使用通量平衡约束(fbc)包编码的SBML模型执行通量平衡分析(FBA)。当模型的动力学信息未知时,FBA非常有用。

iBioSim还允许将使用ODE表示的动力学模型与以FBA表示的基于约束的模型进行耦合。此类混合模型称为动态通量平衡分析(DFBA),可在该工具内进行仿真。由于 iBioSim的目标之一是使用标准以实现工具间的互操作性,因此已将仿真实验描述标记语言(SED‐ML)26集成到 iBioSim中。每个 iBioSim项目都关联一个单独的SED‐ML文件,其中每项分析对应一个任务,用于指定如何对模型进行分析。(例如,使用哪个模拟器)以及如何向用户展示结果(例如,输出图表的呈现方式)。SBOL 文档、SBML 模型、SED‐ML 文件以及分析结果可以收集在整合生物模型电子档案27中,并上传至 SynBioHub。

合成:尽管图2所示的工作流需要手动选择基因设计的部件,iBioSim还支持利用称为技术映射的过程实现部件自动选择的方法。28该过程不是从人工组合的部件推导模型,而是通过自动选择部件,从给定的SBML模型中推导出基因组合电路设计,以实现模型指定的功能。需要解决的关键问题是所选部件之间不能相互干扰,即设计各部分产生的蛋白质之间不应存在非预期相互作用。

讨论:iBioSim是一个活跃的工具,许多功能仍在开发中。在设计方面,我们计划使用富集元件来微调模型生成过程。目前,由于元件库中没有相关的信息,模型生成在创建模型时会推断默认参数。如果能提供此类信息,将有助于我们获得更精确的模型。在合成方面,我们还计划利用富集元件来改进部件选择,从而有助于避免非预期相互作用的部件被选用。此外,我们还可以通过在技术映射过程中集成动态通量平衡分析来进一步扩展部件选择。最后,iBioSim中的技术映射过程目前仅限于组合电路。目前我们正在开发一个扩展版本,以支持异步时序电路。在分析方面,我们计划进一步增强对仿真实验描述标记语言的支持,以实现更复杂的分析,并将实验数据与模型进行关联。

可用性:除了少数较早的用C/C++编写的分析方法7和模型生成方法8外,大部分iBioSim均使用Java编写,并依赖于纯Java库,如JSBML29和libSBOLj。30 iBioSim是一个开源项目,可公开获取,地址为:https://github.com/MyersResearchGroup/iBioSim。每个工作流中描述的部分可用作独立应用程序。

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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