化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
这篇 Nature Communications 论文面向动态代谢网络建模中的关键瓶颈：缺少足够酶动力学参数，导致大规模 kinetic models 难以构建和迁移。
作者不是重新训练生成模型，而是提出 latent-space exploration，把已有生成网络的 latent variables 当成可调控制旋钮。
在 E. coli 和 S. cerevisiae 中，latent inputs 可调节有氧响应速度、识别限速酶，并把生成网络重定向到厌氧动态和不同训练阶段。
它值得收录，因为它把 AI for biology 从单次参数预测推进到可操控的动态模型生成工作流，对 cell-factory design、个性化代谢建模和实验设计有直接价值。