Resumen

​Este trabajo presenta una revisión sobre la aplicación de machine learning (ML) o aprendizaje automático para mejorar la predictibilidad y eficiencia de la ingeniería metabólica, abordando aspectos como gestión de datos, bibliotecas de algoritmos y recursos informáticos, una discusión sobre diversas aplicaciones desde la construcción y optimización de vías hasta la ampliación. Los autores incluyen un apartado sobre perspectivas futuras y las alternativas más promisorias para la combinación de estas metodologías, aclarando que la ingeniería metabólica podría tomar dos cursos;  uno donde prevalecen los métodos tradicionales, el progreso es incremental y donde una mayor cantidad de moléculas se ponen arduamente en uso comercial a un ritmo creciente. En el otro, la ingeniería metabólica abarca e integra completamente las posibilidades que ofrece la automatización y el aprendizaje automático, lo cual conduce a un cambio disruptivo que hace que la producción de nuevas moléculas sea una tarea relativamente fácil, gracias a las nuevas capacidades predictivas.

• Materias:Metabolismo (Bioquimica) Bioingeniería Metabolismo Ingeniería genética Biotecnología
• Subjects:Metabolism (Biochemistry) Bioengineering Metabolism Genetic engineering Biotechnology
• Palabras claves:Aprendizaje automático, Ingeniería metabólica, Biología sintética, Deep learning
• Keywords:Machine learning, Metabolic engineering, Synthetic biology, Deep learning