课题介绍

课题来源：国家重点研发计划项目

该项目旨在构建基于人工技能技术的“类生物学家”智能体，指导发掘影响微藻油脂细胞工厂的转录调控元件，优化改造细胞工厂的靶基因等元件的构造方案，提高微藻油脂细胞工厂的产量与质量；指导构建调控固有免疫网络中磷酸化、泛素化等酶促反应下的分子模块，实现对下游基因的选择性表达； 指导人造噬菌体基因组高效构建和激活实验试错实现，提高对特定菌株的有效侵染。

研究方案

分级强化学习：分级学习实验轨迹，解决生物系统空间维度过高等问题；

多源迁移学习：复用已有生物系统构建解决目标生物数据稀疏问题；

生成对抗网络学习：解决稀疏数据带来训练不足的问题；

元学习：解决训练模型的优化选择问题

创新之处

本课题拟展开4种优化学习方法的研究，研究分级强化学习方法，通过分级学习实验轨迹，解决生物系统空间维度过高、实验轨迹稀疏的问题；研究多源迁移学习，充分利用已有合成生物系统的数据积累，复用已有生物系统构建解决目标生物系统数据训练稀疏的问题；研究生成对抗网络学习，通过生成对抗网络学习生成高仿真的实验轨迹，既可解决稀疏数据问题，又可对模型进行优化；研究基于多目标优化等元学习，解决训练模型的优化选择问题。通过学习设计实验方案，并进行实验验证与反馈优化。