Selection schemes from evolutionary computing show promise for directed evolution of microbes
Selection schemes from evolutionary computing show promise for directed evolution of microbes
复制标题
进化计算的选择方案显示了微生物定向进化的希望
DOI：
10.1145/3520304.3528900
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Zaman, Luis
中科院分区：
文献类型：
--
作者：
Lalejini, Alexander;Dolson, Emily;Vostinar, Anya E.;Zaman, Luis
定向微生物进化利用实验室中的进化过程来构建具有增强或新颖功能特征的微生物。为应用目标指导进化过程是进化计算的基础，它利用达尔文进化原理作为解决计算问题的通用搜索引擎。尽管目标重叠，但进化计算中的人工选择方法并不常应用于实验室中的生命系统。在这里，我们总结了最近的工作，其中我们询问进化计算中的亲本选择算法在选择多种功能性状时是否有助于指导微生物种群的进化。为此，我们开发了一个基于主体的定向微生物进化模型，我们用它来评估进化计算中的三种选择方案（竞赛选择、lexicase选择和非支配精英选择）相对于实验室中使用的方案（精英和前10%的选择）的表现。我们发现词汇酶选择和非显性精英选择通常优于常用的定向进化方法。我们的研究结果为正在进行的将这些技术转移到实验室的工作提供了信息，并激励了未来在定向进化环境中从进化计算中测试更复杂的选择方案的工作。
Directed microbial evolution harnesses evolutionary processes in the laboratory to construct microorganisms with enhanced or novel functional traits. Directing evolutionary processes for applied goals is fundamental to evolutionary computation, which harnesses the principles of Darwinian evolution as a general purpose search engine for solutions to computational problems. Despite overlapping aims, artificial selection methods from evolutionary computing are not commonly applied to living systems in the laboratory. Here, we summarize recent work wherein we ask if parent selection algorithms from evolutionary computation might be useful for directing the evolution of microbial populations when selecting for multiple functional traits. To do so, we developed an agent-based model of directed microbial evolution, which we used to evaluate how well three selection schemes from evolutionary computing (tournament selection, lexicase selection, and non-dominated elite selection) performed relative to schemes used in the laboratory (elite and top-10% selection). We found that lexicase selection and non-dominated elite selection generally outperformed the commonly used directed evolution approaches. Our results are informing ongoing work to transfer these techniques into the laboratory and motivate future work testing more sophisticated selection schemes from evolutionary computation in a directed evolution context.
登录
查看更多内容
影响因子：
7.7
作者：
Lalejini A;Dolson E;Vostinar AE;Zaman L
通讯作者：
Zaman L
探索中的探索：衡量词汇选择的能力，以找到通往最优性的模糊途径
DOI：
10.1007/978-981-16-8113-4_5
发表时间：
2021
期刊：
ArXiv
影响因子：
--
作者：
Jose Guadalupe Hernandez;Alexander Lalejini;Charles Ofria
通讯作者：
Charles Ofria
通过遗传编程中词汇选择的差异性能评估问题模态：初步报告
影响因子：
3.9
作者：
L. Spector
通讯作者：
L. Spector
基于生态学的进化算法，用于进化复杂问题的解决方案
DOI：
--
发表时间：
2012
期刊：
IEEE Symposium on Artificial Life
影响因子：
--
作者：
Sherri Goings;Heather Goldsby;B. Cheng;Charles Ofria
通讯作者：
Charles Ofria
程序综合的 Lexicase 选择：多样性分析
影响因子：
3.7
作者：
Thomas Helmuth;N. McPhee;L. Spector
通讯作者：
L. Spector