Deep learning macht synthetische Biologie begreifbar
Oktober 2020
Massachusetts Institute of Technology, Cambridge, USA
Es wurde eine Reihe von Algorithmen für maschinelles Lernen entwickelt, die große Mengen von RNA-basierten Schlüssel-Sequenzen analysieren und vorhersagen können, welche am effektivsten eine gewünschte Zielsequenz erkennen und darauf reagieren werden. Diese Errungenschaften könnten hilfreich sein, um die grundlegenden Prinzipien der RNA-Faltung besser zu verstehen. Diese Methode demonstriert die Leistungsfähigkeit der Kombination von Computer-Berechnungen mit der synthetischen Biologie, um neue und leistungsfähigere bioinspirierte Technologien zu entwickeln, und führt darüber hinaus zu neuen Einsichten in grundlegende Mechanismen der biologischen Kontrolle. Die Algorithmen könnten auch auf andere Probleme der synthetischen Biologie verallgemeinert werden und die Entwicklung biotechnologischer Werkzeuge beschleunigen.
A deep learning approach to programmable RNA switches
James J. Collins
Eingestellt am: 11.11.2020
[1] https://www.nature.com/articles/s41467-020-18677-1[2] https://www.technologynetworks.com/informatics/news/deep-learning-gets-a-toehold-on-synthetic-biology-341383