Resumen

La ingeniería metabólica permite el mejoramiento de las propiedades celulares por medio de la modificación específica a nivel bioquímico, lo que permite la producción de biomoléculas de interés para diversas industrias y de aplicación médica. Dentro de los modelos para simulación metabólica se encuentran los modelos de redes metabólicas (GSMs); son genomas completos y abarcan miles de reacciones metabólicas. Los métodos de machine learning o aprendizaje automático para la generación de modelos predictivos en sistemas vivos tienen cada vez más acogida en áreas como anotación genómica, descubrimiento de nuevas biomoléculas a partir de moléculas simples, maximización de productos en células microbianas diseñadas, la dinámica de las vías metabólicas y los impulsores transcripcionales de estados patológicos. En este sentido, la combinación de modelos mecánicos y machine learning es prometedora para un mejor rendimiento de la ingeniería predictiva de células al unir las ventajas de la comprensión causal del mecanismo a partir de modelos mecanicistas, con el poder predictivo del ML.

• Materias:Microorganismos biotecnológicos Microbiología Metabolismo (Bioquimica) Metabolismo Ingeniería genética Control de procesos biotecnológicos Biotecnología Bioingeniería
• Subjects:Biotechnological microorganisms Microbiology Metabolism (Biochemistry) Metabolism Genetic engineering Biotechnological process control Biotechnology Bioengineering
• Palabras claves:Microbiología aplicada, Ingeniería metabólica, Biología sintética
• Keywords:Applied microbiology, Metabolic engineering, Synthetic biology