ML4SD: Leveraging Machine Learning and High-Throughput Search Algorithms for an Iterative Growth-Coupled Design Innovation
本文介绍了 ML4SD，这是一种将机器学习与一种新型高通量算法（gcSwarms）相结合的主动学习“设计-构建-测试-学习”循环，旨在高效识别生长耦合的微生物菌株设计，从而以远少于传统搜索方法的实验迭代次数，实现显著提高的碳收率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在构建循环经济的竞赛中，科学家们正试图教会微生物将废物转化为有价值的化学品，以取代目前驱动我们世界的石油基工艺。想象一下这样一个工厂车间：细菌充当微小的工人，消耗废弃的植物物质或工业副产品，然后吐出塑料、燃料或药物。挑战在于，这些微观工人天生优先考虑生长和分裂，而非消耗能量为人类制造特定产品。为了解决这个问题，工程师们试图重新改造细菌的内部代谢，使制造目标产物成为该生物生存所必需的条件。如果细菌停止生产这种化学品，它们就会停止生长。这种“生长偶联”策略迫使微生物完成这项工作，但寻找正确的遗传开关就像是在数十亿种可能性中大海捞针。传统方法涉及一次测试一种遗传变化，这是一个缓慢且昂贵的过程，且往往收效甚微。
现在，一个研究团队开发出一种结合了计算机建模与机器学习的新方法，以极大地加速这一搜索过程。他们创建了一个名为 ML4SD 的系统，它充当了设计这些工程化细菌的智能向导。该系统不再盲目测试成千上万种遗传组合，而是利用细菌代谢的“数字孪生”来模拟不同的遗传切割将如何影响其生长与生产。随后，它利用机器学习从这些模拟中学习，识别出导致成功的模式。研究人员发现，为了让这种学习奏效，初始的模拟设计池必须规模庞大且具有多样性，其中应包含许多失败或表现不佳的设计。如果设计池仅包含“最佳”设计，计算机模型就会变得困惑，无法泛化到新的情境中。通过在多样化的数据集上进行训练，该系统学会了预测哪些遗传变化效果最好，从而有效地缩小了搜索范围。
为了测试他们的方法，该团队专注于一个特定且具有挑战性的任务：将来源于植物废弃物中木质素的化合物——4-羟基苯甲酸，转化为尼龙-6 的构建模块——6-己内酰胺。这是一个困难的转化过程，因为其化学路径非常复杂，且变形菌（Pseudomonas putida）天然并不高效地执行这项任务。研究人员首先尝试使用现有的算法来生成一份潜在遗传设计的列表，但他们发现该算法产生的是一份规模小且重复性高的选项清单，机器学习模型无法从中进行有效学习。模型出现了过拟合现象，即它记住了给定的少量示例，却无法预测新设计的结果。
为了解决这个问题，团队构建了一个新的搜索算法，称为 gcSwarms。与之前的方法不同，该算法更广泛地探索了设计空间，在单次运行中生成了超过 50,000 个独特的遗传设计库。这其中包含了许多并不完美的方案，为机器学习系统提供了学习代谢底层规则所需的丰富且多样的数据。当他们将这个多样化的库输入 ML4SD 系统时，结果令人瞩目。该系统成功识别出了一组遗传缺失，使该过程的碳收率比仅通过初始搜索找到的最佳设计提高了高达 164%。
这种方法的强大之处在于其效率。为了找到这些高性能的设计，ML4SD 系统探索了不到 4,500 个设计。相比之下，传统的搜索算法需要检查 10,000 到 30,000 个设计才能达到类似的性能水平。这意味着新方法使用的计算量减少了两到七倍，却达到了同样的结果。此外，该系统能够精准定位一组由三个遗传变化组成的最小化特定集合，这些变化在最佳设计中反复出现。这些变化有效地重新引导了细胞内的能量流，迫使其将资源转向制造尼龙前体。
研究人员强调，这些发现目前仍处于模拟阶段，是一个证明其方法潜力的概念验证。下一步将在实验室中构建实际的细菌，并测试它们是否如计算机预测的那样运作。如果成功，这种方法可以显著加速可持续生物制造的发展，以比现有方法更少的时间和资源，将废物流转化为有价值的材料。通过教会机器从广泛的失败与成功尝试中学习，研究人员为导航复杂的代谢工程领域创建了一份路线图，为通往更加循环和可持续的工业未来提供了切实路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。