Boolean matrix logic programming for active learning of gene functions in genome-scale metabolic network models

本文介绍了自主驾驶研究技术在计算科学发现中的应用，而合成生物学是一门专注于设计和构建新的生物系统以实现有用目的的科学领域。在这里，我们试图应用基于逻辑的机器学习技术来促进细胞工程和推动生物学发现。通常使用的代谢过程全基因组代谢网络模型（GEM）的综合数据库用于评估细胞工程策略以优化目标化合物的生产。然而，由于模型中的错误，GEM通常无法正确描述预测的宿主行为。学习GEM中复杂的基因相互作用的任务面临计算和实证挑战。为了解决这些问题，我们描述了一种称为布尔矩阵逻辑编程（BMLP）的新方法，通过利用布尔矩阵来评估大型逻辑程序。我们介绍了一个新系统$BMLP_{active}$，通过主动学习引导信息性实验，有效地探索基因组假设空间。与子符号方法相比，$BMLP_{active}$使用datalog逻辑程序将一个最先进的GEM编码为可解释和逻辑表示。值得注意的是，$BMLP_{active}$可以比随机实验使用更少的训练示例来学习基因对之间的相互作用，从而克服了实验设计空间的增加。$BMLP_{active}$可以快速优化代谢模型，可靠地工程化生物系统以生产有用的化合物。它提供了一种切实可行的方法来创建一个自主驾驶的微生物工程实验室。

论文旨在利用基于逻辑的机器学习技术，通过开发一种新的方法论，即布尔矩阵逻辑编程（BMLP），以解决基因组规模代谢网络模型（GEMs）中的基因相互作用的学习问题，从而促进细胞工程和生物学发现。

通过布尔矩阵逻辑编程（BMLP）的方法，将GEMs编码为可解释的逻辑表示，以有效地探索基因组假设空间，通过主动学习指导信息性实验，成功地学习了基因对之间的相互作用，可以快速优化代谢模型，可靠地工程化生物系统，从而实现自主实验室的构建。

该论文提出了一种新的方法论——布尔矩阵逻辑编程（BMLP），可以有效地探索基因组假设空间，通过主动学习指导信息性实验，成功地学习了基因对之间的相互作用；BMLP可以快速优化代谢模型，可靠地工程化生物系统，从而实现自主实验室的构建。

最近在这个领域中，还有一些相关研究。例如，题为“Computational design of synthetic regulatory networks from a genetic library to characterize the designability of dynamical behaviors”的论文。