合成生物學智能化設計與應用

1.生物类、计算机类、化工类、环境类、医药专业的本科生及研究生

2.从事生物、信息、医药、化工、能源、资源和环境等领域的科研工作人员、程序开发人员

3.想了解人工智能与合成生物学相关知识的大众读者

目　　錄

第 1章　合成生物學概述　1

1.1　發展歷程　1

1.2　定義與本質　3

1.3　基本原理　4

1.3.1　層級化結構　4

1.3.2　工程化設計　11

1.4　主要技術方法　13

1.4.1　DNA合成　14

1.4.2　DNA測序　14

1.4.3　DNA組裝　15

1.4.4　基因編輯　16

1.4.5　定向進化　19

1.5　里程碑成果　20

1.5.1　合成能力飛速發展　21

1.5.2　核心技術不斷升級　22

1.5.3　創新應用成果凸顯　23

1.6　小結　25

1.7　參考文獻　25

第 2章　人工智能概述　33

2.1　人工智能的發展歷程　33

2.2　機器學習技術　35

2.2.1　集成學習　36

2.2.2　強化學習　37

2.2.3　遷移學習　38

2.2.4　反向傳播法　39

2.2.5　損失函數與優化器　40

2.2.6　監督學習、半監督學習和無監督學習　40

2.2.7　機器學習在合成生物學中的應用　41

2.3　機器學習主要算法　42

2.3.1　決策樹　42

2.3.2　支持向量機　43

2.3.3　支持向量回歸　44

2.3.4　貝葉斯網絡　44

2.3.5　K-近鄰　45

2.3.6　隨機森林　45

2.3.7　梯度提升機　46

2.3.8　XGBoost　46

2.4　深度學習基礎　47

2.4.1　深度學習框架　47

2.4.2　神經網絡　49

2.5　神經網絡模型　51

2.5.1　深度置信網絡　51

2.5.2　線性神經網絡　52

2.5.3　多層感知器　52

2.5.4　捲積神經網絡　53

2.5.5　循環神經網絡　54

2.5.6　殘差神經網絡　55

2.5.7　深度生成模型　56

2.5.8　註意力網絡　56

2.6　小結　58

2.7　參考文獻　59

第3章　合成生物學中的數學模型　61

3.1　標準定量機制　61

3.2　數學模型　62

3.2.1　米氏方程　63

3.2.2　希爾方程　64

3.2.3　種群生長Logistic模型　65

3.2.4　基因表達的隨機模型　66

3.2.5　基因調控網絡模型　68

3.3　邏輯拓撲結構　70

3.3.1　簡單調控　71

3.3.2　級聯　72

3.3.3　前饋　72

3.3.4　反饋　74

3.3.5　單輸入模塊　75

3.3.6　多輸入模塊　75

3.4　小結　76

3.5　參考文獻　76

第4章　調控元件　79

4.1　調控元件的類型及特點　79

4.1.1　原核生物轉錄調控元件　80

4.1.2　真核生物轉錄調控元件　83

4.2　調控元件的人工智能挖掘　87

4.2.1　啟動子的挖掘　87

4.2.2　轉錄因子結合位點的挖掘　89

4.3　調控元件的智能設計　91

4.4　採用人工智能算法所面臨的挑戰　93

4.4.1　“維度災難”和類不平衡性　94

4.4.2　數據噪聲和異質性　94

4.4.3　模型可解釋性　95

4.4.4　網絡架構的選擇　95

4.4.5　計算資源的消耗　95

4.5　小結　95

4.6　參考文獻　96

第5章　蛋白質工程　100

5.1　基本策略　100

5.1.1　定向進化　102

5.1.2　半理性設計　103

5.1.3　從頭設計蛋白質　105

5.2　人工智能輔助蛋白質工程策略　106

5.2.1　蛋白質數據集的構建　107

5.2.2　蛋白質的向量表示法　108

5.2.3　模型的選擇與構建　109

5.2.4　模型的訓練與評估　110

5.2.5　模型的可解釋性　111

5.3　人工智能在蛋白質工程中的應用實例　112

5.3.1　人工智能顛覆蛋白質結構預測　112

5.3.2　人工智能指導定向進化策略　115

5.3.3　人工智能驅動蛋白質從頭設計　117

5.4　人工智能輔助蛋白質工程應用　118

5.4.1　生物醫藥與抗體研發　119

5.4.2　生物製造與酶工程　120

5.5　小結　121

5.6　參考文獻　121

第6章　基因線路　127

6.1　基因線路設計　128

6.1.1　質粒的設計與構建　129

6.1.2　底盤細胞的選擇　132

6.1.3　實驗設計工具　132

6.2　基因線路的性能優化與建模策略　133

6.2.1　基因線路的性能優化　134

6.2.2　基因線路設計的建模策略　136

6.3　控制系統理論與設計　137

6.3.1　細胞內控制　137

6.3.2　細胞間控制　138

6.3.3　網絡細胞控制　139

6.4　利用人工智能設計基因線路　140

6.5　基因線路的應用　142

6.5.1　在生物傳感器中的應用　143

6.5.2　在生物醫學領域的應用　143

6.5.3　在DNA計算中的應用　144

6.6　小結　145

6.7　參考文獻　145

第7章　生物傳感器　152

7.1　全細胞生物傳感器　152

7.2　基於雙組分系統的生物傳感器　153

7.2.1　雙組分系統簡介　154

7.2.2　雙組分系統的效率調控　155

7.2.3　雙組分系統的特異性　156

7.2.4　雙組分系統在生物傳感器中的應用　157

7.3　合成生物學使能的生物傳感器　158

7.4　人工智能驅動的生物傳感器　160

7.5　智能生物傳感器的實例及應用　161

7.5.1　智能生物傳感器的應用實例　162

7.5.2　智能生物傳感器的應用領域　164

7.6　小結　165

7.7　參考文獻　166

第8章　工程化載體　170

8.1　工程化載體概述　170

8.1.1　腺病毒工程化載體　171

8.1.2　腺相關病毒工程化載體　172

8.1.3　逆轉錄病毒工程化載體　174

8.1.4　慢病毒工程化載體　176

8.2　傳統設計策略　178

8.2.1　嵌合病毒工程化載體策略　178

8.2.2　鑲嵌病毒工程化載體策略　178

8.2.3　假病毒工程化載體策略　178

8.2.4　利用DNA改組技術形成嵌合體　179

8.3　基於合成生物學的工程化載體設計策略　179

8.3.1　基於合成生物學的工程化載體設計特點　180

8.3.2　基於合成生物學的工程化載體設計策略　183

8.3.3　利用人工智能技術優化改造工程化載體　185

8.4　小結　186

8.5　參考文獻　187

第9章　微生物基因組　196

9.1　合成基因組　196

9.1.1　病毒基因組的合成　197

9.1.2　細菌基因組的合成　198

9.1.3　真核細胞基因組的

目　　錄

第 1章　合成生物學概述　1

1.1　發展歷程　1

1.2　定義與本質　3

1.3　基本原理　4

1.3.1　層級化結構　4

1.3.2　工程化設計　11

1.4　主要技術方法　13

1.4.1　DNA合成　14

1.4.2　DNA測序　14

1.4.3　DNA組裝　15

1.4.4　基因編輯　16

1.4.5　定向進化　19

1.5　里程碑成果　20

1.5.1　合成能力飛速發展　21

1.5.2　核心技術不斷升級　22

1.5.3　創新應用成果凸顯　23

1.6　小結　25

1.7　參考文獻　25

第 2章　人工智能概述　33

2.1　人工智能的發展歷程　33

2.2　機器學習技術　35

2.2.1　集成學習　36

2.2.2　強化學習　37

2.2.3　遷移學習　38

2.2.4　反向傳播法　39

2.2.5　損失函數與優化器　40

2.2.6　監督學習、半監督學習和無監督學習　40

2.2.7　機器學習在合成生物學中的應用　41

2.3　機器學習主要算法　42

2.3.1　決策樹　42

2.3.2　支持向量機　43

2.3.3　支持向量回歸　44

2.3.4　貝葉斯網絡　44

2.3.5　K-近鄰　45

2.3.6　隨機森林　45

2.3.7　梯度提升機　46

2.3.8　XGBoost　46

2.4　深度學習基礎　47

2.4.1　深度學習框架　47

2.4.2　神經網絡　49

2.5　神經網絡模型　51

2.5.1　深度置信網絡　51

2.5.2　線性神經網絡　52

2.5.3　多層感知器　52

2.5.4　捲積神經網絡　53

2.5.5　循環神經網絡　54

2.5.6　殘差神經網絡　55

2.5.7　深度生成模型　56

2.5.8　註意力網絡　56

2.6　小結　58

2.7　參考文獻　59

第3章　合成生物學中的數學模型　61

3.1　標準定量機制　61

3.2　數學模型　62

3.2.1　米氏方程　63

3.2.2　希爾方程　64

3.2.3　種群生長Logistic模型　65

3.2.4　基因表達的隨機模型　66

3.2.5　基因調控網絡模型　68

3.3　邏輯拓撲結構　70

3.3.1　簡單調控　71

3.3.2　級聯　72

3.3.3　前饋　72

3.3.4　反饋　74

3.3.5　單輸入模塊　75

3.3.6　多輸入模塊　75

3.4　小結　76

3.5　參考文獻　76

第4章　調控元件　79

4.1　調控元件的類型及特點　79

4.1.1　原核生物轉錄調控元件　80

4.1.2　真核生物轉錄調控元件　83

4.2　調控元件的人工智能挖掘　87

4.2.1　啟動子的挖掘　87

4.2.2　轉錄因子結合位點的挖掘　89

4.3　調控元件的智能設計　91

4.4　採用人工智能算法所面臨的挑戰　93

4.4.1　“維度災難”和類不平衡性　94

4.4.2　數據噪聲和異質性　94

4.4.3　模型可解釋性　95

4.4.4　網絡架構的選擇　95

4.4.5　計算資源的消耗　95

4.5　小結　95

4.6　參考文獻　96

第5章　蛋白質工程　100

5.1　基本策略　100

5.1.1　定向進化　102

5.1.2　半理性設計　103

5.1.3　從頭設計蛋白質　105

5.2　人工智能輔助蛋白質工程策略　106

5.2.1　蛋白質數據集的構建　107

5.2.2　蛋白質的向量表示法　108

5.2.3　模型的選擇與構建　109

5.2.4　模型的訓練與評估　110

5.2.5　模型的可解釋性　111

5.3　人工智能在蛋白質工程中的應用實例　112

5.3.1　人工智能顛覆蛋白質結構預測　112

5.3.2　人工智能指導定向進化策略　115

5.3.3　人工智能驅動蛋白質從頭設計　117

5.4　人工智能輔助蛋白質工程應用　118

5.4.1　生物醫藥與抗體研發　119

5.4.2　生物製造與酶工程　120

5.5　小結　121

5.6　參考文獻　121

第6章　基因線路　127

6.1　基因線路設計　128

6.1.1　質粒的設計與構建　129

6.1.2　底盤細胞的選擇　132

6.1.3　實驗設計工具　132

6.2　基因線路的性能優化與建模策略　133

6.2.1　基因線路的性能優化　134

6.2.2　基因線路設計的建模策略　136

6.3　控制系統理論與設計　137

6.3.1　細胞內控制　137

6.3.2　細胞間控制　138

6.3.3　網絡細胞控制　139

6.4　利用人工智能設計基因線路　140

6.5　基因線路的應用　142

6.5.1　在生物傳感器中的應用　143

6.5.2　在生物醫學領域的應用　143

6.5.3　在DNA計算中的應用　144

6.6　小結　145

6.7　參考文獻　145

第7章　生物傳感器　152

7.1　全細胞生物傳感器　152

7.2　基於雙組分系統的生物傳感器　153

7.2.1　雙組分系統簡介　154

7.2.2　雙組分系統的效率調控　155

7.2.3　雙組分系統的特異性　156

7.2.4　雙組分系統在生物傳感器中的應用　157

7.3　合成生物學使能的生物

　傳感器　158

7.4　人工智能驅動的生物傳感器　160

7.5　智能生物傳感器的實例及

　應用　161

7.5.1　智能生物傳感器的應用實例　162

7.5.2　智能生物傳感器的應用領域　164

7.6　小結　165

7.7　參考文獻　166

第8章　工程化載體　170

8.1　工程化載體概述　170

8.1.1　腺病毒工程化載體　171

8.1.2　腺相關病毒工程化載體　172

8.1.3　逆轉錄病毒工程化載體　174

8.1.4　慢病毒工程化載體　176

8.2　傳統設計策略　178

8.2.1　嵌合病毒工程化載體策略　178

8.2.2　鑲嵌病毒工程化載體策略　178

8.2.3　假病毒工程化載體策略　178

8.2.4　利用DNA改組技術形成嵌合體　179

8.3　基於合成生物學的工程化載體設計策略　179

8.3.1　基於合成生物學的工程化載體設計特點　180

8.3.2　基於合成生物學的工程化載體設計策略　183

8.3.3　利用人工智能技術優化改造工程化載體　185

8.4　小結　186

8.5　參考文獻　187

第9章　微生物基因組　196

9.1　合成基因組　196

9.1.1　病毒基因組的合成　197

9.1.2　細菌基因組的合成　198

9.1.3　真核細胞基因組的合成　199

9.2　最小基因組的設計　199

9.2.1　最小基因組概述　200

9.2.2　最小基因組的構建原理　201

9.2.3　最小基因組構建示例　204

9.2.4　最小基因組構建的阻礙和挑戰　205

9.3　人工智能在基因組智能化設計中的應用　206

9.3.1　人工智能輔助染色體完全合成　206

9.3.2　人工智能輔助必需基因發掘　207

9.4　小結　207

9.5　參考文獻　208

第 10章　代謝工程　212

10.1　代謝工程概述　212

10.2　代謝工程中常見的模式菌株　213

10.2.1　大腸桿菌　214

10.2.2　枯草芽孢桿菌　214

10.2.3　谷氨酸棒狀桿菌　214

10.2.4　釀酒酵母　215

10.2.5　其他菌株　217

10.3　代謝途徑的改造策略　218

10.3.1　調控元件的改造　218

10.3.2　生物合成途徑的重構　220

10.4　代謝工程改造示例　221

10.4.1　光滑念珠菌的代謝工程　222

10.4.2　放線菌屬的代謝工程　222

10.4.3　曲霉屬的代謝工程　223

10.5　人工智能在代謝工程中的應用　224

10.5.1　人工智能在代謝途徑中的設計原理　224

10.5.2　人工智能輔助代謝途徑優化　226

10.5.3　人工智能輔助細菌代謝系統的進化預測　227

10.6　小結　227

10.7　參考文獻　228

第 11章　人工智能在DNA計算及存儲中的應用　234

11.1　DNA計算　234

11.1.1　DNA計算原理　235

11.1.2　DNA計算模塊　235

11.1.3　DNA計算數字邏輯　237

11.1.4　DNA計算模擬電路　238

11.2　神經擬態計算　239

11.2.1　神經擬態計算概述　240

11.2.2　基於DNA分子的神經擬態計算　242

11.2.3　利用基因線路構建神經擬態計算　243

11.3　DNA存儲　246

11.3.1　DNA存儲簡介　247

11.3.2　DNA存儲基本流程　247

11.3.3　DNA存儲模式　249

11.4　人工智能在DNA存儲中的應用　251

11.5　小結　252

11.6　參考文獻　252

第 12章　合成生物學與人工智能賦能的生物經濟　258

12.1　生物經濟概述　258

12.1.1　生物經濟的定義　258

12.1.2　生物經濟的發展趨勢　259

12.1.3　國外生物經濟的發展戰略　261

12.1.4　國內生物經濟的發展戰略　265

12.2　合成生物學是生物經濟發展的關鍵驅動因素　266

12.3　人工智能賦能新一代生物經濟　269

12.3.1　人工智能推動生物產業的智能化與自動化　269

12.3.2　人工智能助力合成生物學產業—以生物制藥業為例　270

12.4　小結　271

12.5　參考文獻　271

合成　199

9.2　最小基因組的設計　199

9.2.1　最小基因組概述　200

9.2.2　最小基因組的構建原理　201

9.2.3　最小基因組構建示例　204

9.2.4　最小基因組構建的阻礙和挑戰　205

9.3　人工智能在基因組智能化設計中的應用　206

9.3.1　人工智能輔助染色體完全合成　206

9.3.2　人工智能輔助必需基因發掘　207

9.4　小結　207

9.5　參考文獻　208

第 10章　代謝工程　212

10.1　代謝工程概述　212

10.2　代謝工程中常見的模式菌株　213

10.2.1　大腸桿菌　214

10.2.2　枯草芽孢桿菌　214

10.2.3　谷氨酸棒狀桿菌　214

10.2.4　釀酒酵母　215

10.2.5　其他菌株　217

10.3　代謝途徑的改造策略　218

10.3.1　調控元件的改造　218

10.3.2　生物合成途徑的重構　220

10.4　代謝工程改造示例　221

10.4.1　光滑念珠菌的代謝工程　222

10.4.2　放線菌屬的代謝工程　222

10.4.3　曲霉屬的代謝工程　223

10.5　人工智能在代謝工程中的應用　224

10.5.1　人工智能在代謝途徑中的設計原理　224

10.5.2　人工智能輔助代謝途徑優化　226

10.5.3　人工智能輔助細菌代謝系統的進化預測　227

10.6　小結　227

10.7　參考文獻　228

第 11章　人工智能在DNA計算及存儲中的應用　234

11.1　DNA計算　234

11.1.1　DNA計算原理　235

11.1.2　DNA計算模塊　235

11.1.3　DNA計算數字邏輯　237

11.1.4　DNA計算模擬電路　238

11.2　神經擬態計算　239

11.2.1　神經擬態計算概述　240

11.2.2　基於DNA分子的神經擬態計算　242

11.2.3　利用基因線路構建神經擬態計算　243

11.3　DNA存儲　246

11.3.1　DNA存儲簡介　247

11.3.2　DNA存儲基本流程　247

11.3.3　DNA存儲模式　249

11.4　人工智能在DNA存儲中的應用　251

11.5　小結　252

11.6　參考文獻　252

第 12章　合成生物學與人工智能賦能的生物經濟　258

12.1　生物經濟概述　258

12.1.1　生物經濟的定義　258

12.1.2　生物經濟的發展趨勢　259

12.1.3　國外生物經濟的發展戰略　261

12.1.4　國內生物經濟的發展戰略　265

12.2　合成生物學是生物經濟發展的關鍵驅動因素　266

12.3　人工智能賦能新一代生物經濟　269

12.3.1　人工智能推動生物產業的智能化與自動化　269

12.3.2　人工智能助力合成生物學

產業—以生物制藥業為例　270

12.4　小結　271

12.5　參考文獻　271