CamOptimus: a tool for exploiting complex adaptive evolution to optimize experiments and processes in biotechnology.
CamOptimus: a tool for exploiting complex adaptive evolution to optimize experiments and processes in biotechnology.
复制标题
DOI：
10.1099/mic.0.000477
复制
发表时间：
2017-06
期刊：
影响因子：
--
通讯作者：
Dikicioglu D
中科院分区：
文献类型：
--
作者：
Cankorur-Cetinkaya A;Dias JML;Kludas J;Slater NKH;Rousu J;Oliver SG;Dikicioglu D
多种相互作用的因素影响合成生物学项目中工程生物系统的性能。这些生物系统的复杂性意味着实验设计通常应被视为多参数优化问题。然而，由于要进行的实验数量激增，可用的方法要么不切实际，要么由于缺乏公开可用的、用户友好的软件，大多数实验者无法使用。尽管进化算法可以用作优化实验设计的替代方法，但缺乏易于使用的软件再次限制了它们只能由专业从业人员使用。此外，缺乏进一步研究关键因素及其相互作用的辅助方法阻碍了对生物技术系统的全面分析和利用。我们已经解决了这些问题，并在这里提供了一个简单易用且免费提供的图形用户界面，使广大实验生物学家能够采用复杂的进化算法来优化他们的实验设计。我们的方法利用遗传算法来发现包含最佳参数组合的子空间，并利用符号回归构建模型来评估实验对所研究的每个参数的敏感性。我们通过一个例子证明了这种方法的实用性，其中优化了微生物生产生物活性人类蛋白质的培养条件。 CamOptimus 可通过以下方式获取：(https://doi.org/10.17863/CAM.10257)。
Multiple interacting factors affect the performance of engineered biological systems in synthetic biology projects. The complexity of these biological systems means that experimental design should often be treated as a multiparametric optimization problem. However, the available methodologies are either impractical, due to a combinatorial explosion in the number of experiments to be performed, or are inaccessible to most experimentalists due to the lack of publicly available, user-friendly software. Although evolutionary algorithms may be employed as alternative approaches to optimize experimental design, the lack of simple-to-use software again restricts their use to specialist practitioners. In addition, the lack of subsidiary approaches to further investigate critical factors and their interactions prevents the full analysis and exploitation of the biotechnological system. We have addressed these problems and, here, provide a simple‐to‐use and freely available graphical user interface to empower a broad range of experimental biologists to employ complex evolutionary algorithms to optimize their experimental designs. Our approach exploits a Genetic Algorithm to discover the subspace containing the optimal combination of parameters, and Symbolic Regression to construct a model to evaluate the sensitivity of the experiment to each parameter under investigation. We demonstrate the utility of this method using an example in which the culture conditions for the microbial production of a bioactive human protein are optimized. CamOptimus is available through: (https://doi.org/10.17863/CAM.10257).
登录
查看更多内容
影响因子：
14.9
作者：
Notredame, C;Higgins, DG
通讯作者：
Higgins, DG
DOI：
10.1016/j.cam.2004.07.034
发表时间：
2005-12-01
影响因子：
2.4
作者：
McCall, J
通讯作者：
McCall, J
影响因子：
3.9
作者：
Sarma, M. V. R. K.;Sahai, Vikram;Bisaria, V. S.
通讯作者：
Bisaria, V. S.
影响因子：
6.4
作者：
Niu H;Jost L;Pirlot N;Sassi H;Daukandt M;Rodriguez C;Fickers P
通讯作者：
Fickers P
影响因子：
2.6
作者：
Flagfeldt, Dongmei Bai;Siewers, Verena;Nielsen, Jens
通讯作者：
Nielsen, Jens