据ScienceAI网8月18日消息，法国巴黎萨克雷大学科研团队结合机器学习（ML）和机械建模（MM）开发出MM-ML混合模型，提高了基因组规模代谢模型（GEM）上基于约束的建模（CBM）的性能。该混合模型可通过直接训练对MM方法进行参数化来提高MM的可预测性，同时MM的约束还可使ML方法能够通过在较小的数据集上进行训练来克服维数诅咒，适用于系统生物学和代谢工程中的常见任务，如预测培养基生长或基因敲除（KO）的生物体的定性和定量表型等。该研究可改进基于约束的机械模型和黑盒机器学习模型，也可应用于基于微生物的决策装置的工程等工业应用。相关研究成果发表于Nature Communications期刊。

消息来源：https://mp.weixin.qq.com/s/-2_k9AbDA3xy_WVKtShGzw