课题介绍

课题来源：国家重点研发计划项目

本课题针对微藻油脂细胞工厂、固有免疫细胞、人造噬菌体等研究场景，构建合成生物系统元件性能预测的循环神经网络模型和合成生物系统功能预测的图卷积神经网络和深度迁移学习等深度网络系统，提升合成生物系统模拟预测准确度，采用深度注意力机制与先验信息驱动技术，结合合成生物元件的基因型-表型的对应定量关系，实现在上述场景中的调控以及调控元件与功能关系的可解释性分析。

研究方案

循环神经网络：建立生物系统时序网络

图卷积神经网络：建立生物系统空间网络

迁移学习网络：领域知识结构模型迁移

可解释性分析：先验信息训练模型的权重

创新之处

本课题针对合成生物系统内部机理复杂等特点，构建“人工智能+合成生物系统”的新模式。研究强化学习等人工智能方法，实现“设计-构建-测试-学习”工程试错策略的闭环反馈，有效提高系统构建的效率；研究合成生物系统的深度学习网络模型，提高复杂合成生物系统模拟预测的准确度，挖掘合成生物系统的新型通路。针对人工智能模型训练中的小数据、零数据难题，提出基于迁移学习等的多阶段优化方法，持续提升强化学习指导海量工程试错的效率。项目将利用人工智能技术进行大规模预测信号通路网络的信号转导过程，从模型层次到知识层次实现人工智能与合成生物学的融合，并指导新元件、新信号模块乃至新型信号通路的研究发现。