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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Reconocimiento y corrección automáticos del ángulo de lanzamiento de los jugadores de voleibol basados en estadísticas de características
Artículo:
Clustering mediante gas neuronal difuso y evaluación de clusters difusos
Artículo:
Optimización de los mecanismos de gestión de la innovación de STP impulsada por la aritmética evolutiva avanzada de IoT
Artículo:
Fibras Kenaf Bast-Parte I: Digestión hermética alcalina
Artículo:
Selección de características mediante el algoritmo de mínima redundancia y máxima relevancia para el reconocimiento de la actividad humana en entornos domésticos inteligentes
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Software:
Simulación del proceso de extracción sólido-líquido EXTSL