《合成生物学》期刊｜李斐然等：机器学习驱动的基因组规模代谢模型构建与优化

本文综述了机器学习在基因组规模代谢模型（GEM）构建与优化中的应用。背景方面，GEM作为解析生物代谢的重要工具，自1999年问世以来，已广泛应用于代谢工程、疾病模型等领域，但其发展受限于先验知识的不足。研究目的方面，文章探讨了机器学习在基因功能注释、途径解析、空缺填补及生物学参数预测等关键步骤中的应用，旨在提升GEM的规模和质量。结论方面，机器学习技术有望推动GEM进入AI时代，实现数字孪生细胞，但需跨学科合作以突破现有框架限制。