目录
前言
继“DNA双螺旋结构的发现”和“人类基因组计划“之后，合成生物学（Synthetic Biology）是以工程化手段设计合成基因组为标志的“第三次生物技术革命”。合成生物学是一门21世纪新兴的跨学科领域，它结合了生物学、工程学、计算机科学、分子生物学、遗传学等多个学科的知识和技术，其运用工程学理念，重新设计、改造甚至重新合成生物体，突破传统自然发生和进化过程，实现产量或性能的提升。那么接下来就来详细聊聊。
合成生物学应用
合成生物学技术被广泛应用于生物医药（细胞与基因治疗、微生态疗法、体外检测、原料药/中间体以及制药用酶等）、化工能源（精细化工、生物基材料、工业酶以及生物能源等）、农业食品（食品饮料、食品添加剂、饲料添加剂、兽药、农药肥料育种等）等多个领域。
2022年5月，国家发改委发布《“十四五”生物经济发展规划》，明确提出了合成生物学作为关键技术创新领域，要求突破一系列核心技术，促进其在医药、农业、化工、能源、材料等多领域的应用转化。目前，国内已有近30个省份、自治区和直辖市在相关政策中明确提出支持合成生物/生物制造产业发展，其中包括北京、天津、上海在内的24个省市区更是为合成生物制造产业出台了专项政策。
合成生物学在诞生之际，便与信息技术的发展紧密相关。生物学实验数据的纵深积累以及人工智能技术的快速发展，使得人工智能在合成生物学领域的应用成为必然。在合成生物学领域，人工智能的应用可以帮助科学家们更好地理解和预测生命系统的行为，从而优化设计和改造。
关于《合成生物学智能化设计与应用》
接下来给大家推荐一本关于合成生物学的书籍：《合成生物学智能化设计与应用》，这是一本深入探讨合成生物学智能化设计与应用的前沿著作，一经上市就登上了当当“计算机与互联网”图书排行榜前列。本书从合成生物学的基础理论讲起，逐步深入到智能化设计方法与实际应用案例，助力科研人员和企业在生物技术领域的创新与实践工作中高效推进！另外，关注本文博主，点赞+收藏本文，且在本文评论区评论“合成生物学智能化”，将选取三名幸运读者送出纸质版《合成生物学智能化设计与应用》一本，截止时间：2025.03.01。入手《合成生物学智能化设计与应用》传送门：https://item.jd.com/10126090870264.html或者《合成生物学智能化设计与应用》(滕越)【简介_书评_在线阅读】 - 当当图书，个人觉得这本书非常的不错，是一本不可多得的好书，值得拥有去学习。
编辑推荐
1. 本书立足于人工智能与合成生物学交叉领域，目前尚无此类书籍；
2. 人工智能与合成生物学均为新兴前沿技术，取得了众多颠覆性突破并以成为焦点学科，本书紧贴“生物技术 AI”概念，以系统性学习及科普为目的，读者兴趣感强；
3. 本书编委均在合成生物学或人工智能领域从业多年，具有一定的社会影响力，书中也融入了众位编者多年合成生物学与人工智能领域的科研成果与思考；
内容简介
本书以人工智能技术在合成生物学领域的理论、方法及应用为主线，详细阐述人工智能在合成生物学不同层面设计中的应用进展，深入讨论人工智能在合成生物学实际应用中面临的挑战与困难。本书先概述合成生物学与人工智能基本概念以及发展简史，然后介绍人工智能技术在生物元件、生物模块、生物系统设计方面的应用，并通过案例展示了人工智能与合成生物学技术在生物医药领域的研究进展，最后分析了人工智能驱动合成生物技术的发展趋势，并讨论了实际应用所面临的挑战和困难，以及展望该交叉领域的未来研究方向。
本书适合作为生物类、计算机类、化工类、环境类、医药专业的本科生及研究生的教学用书，也适合生物、信息、医药、化工、能源、资源和环境等领域的科研人员、程序开发人员参考。
图书目录
目 录
第1章 合成生物学概述 1
1.1 发展历程 1
1.2 定义与本质 3
1.3 基本原理 4
1.3.1 层级化结构 4
1.3.2 工程化设计 11
1.4 主要技术方法 13
1.4.1 DNA合成 14
1.4.2 DNA测序 14
1.4.3 DNA组装 15
1.4.4 基因编辑 16
1.4.5 定向进化 19
1.5 里程碑成果 20
1.5.1 合成能力飞速发展 21
1.5.2 核心技术不断升级 22
1.5.3 创新应用成果凸显 23
1.6 小结 25
1.7 参考文献 25
第2章 人工智能概述 33
2.1 人工智能的发展历程 33
2.2 机器学习技术 35
2.2.1 集成学习 36
2.2.2 强化学习 37
2.2.3 迁移学习 38
2.2.4 反向传播法 39
2.2.5 损失函数与优化器 40
2.2.6 监督学习、半监督学习和无监督学习 40
2.2.7 机器学习在合成生物学中的应用 41
2.3 机器学习主要算法 42
2.3.1 决策树 42
2.3.2 支持向量机 43
2.3.3 支持向量回归 44
2.3.4 贝叶斯网络 44
2.3.5 K-近邻 45
2.3.6 随机森林 45
2.3.7 梯度提升机 46
2.3.8 XGBoost 46
2.4 深度学习基础 47
2.4.1 深度学习框架 47
2.4.2 神经网络 49
2.5 神经网络模型 51
2.5.1 深度置信网络 51
2.5.2 线性神经网络 52
2.5.3 多层感知器 52
2.5.4 卷积神经网络 53
2.5.5 循环神经网络 54
2.5.6 残差神经网络 55
2.5.7 深度生成模型 56
2.5.8 注意力网络 56
2.6 小结 58
2.7 参考文献 59
第3章 合成生物学中的数学模型 61
3.1 标准定量机制 61
3.2 数学模型 62
3.2.1 米氏方程 63
3.2.2 希尔方程 64
3.2.3 种群生长Logistic模型 65
3.2.4 基因表达的随机模型 66
3.2.5 基因调控网络模型 68
3.3 逻辑拓扑结构 70
3.3.1 简单调控 71
3.3.2 级联 72
3.3.3 前馈 72
3.3.4 反馈 74
3.3.5 单输入模块 75
3.3.6 多输入模块 75
3.4 小结 76
3.5 参考文献 76
第4章 调控元件 79
4.1 调控元件的类型及特点 79
4.1.1 原核生物转录调控元件 80
4.1.2 真核生物转录调控元件 83
4.2 调控元件的人工智能挖掘 87
4.2.1 启动子的挖掘 87
4.2.2 转录因子结合位点的挖掘 89
4.3 调控元件的智能设计 91
4.4 采用人工智能算法所面临的挑战 93
4.4.1 “维度灾难”和类不平衡性 94
4.4.2 数据噪声和异质性 94
4.4.3 模型可解释性 95
4.4.4 网络架构的选择 95
4.4.5 计算资源的消耗 95
4.5 小结 95
4.6 参考文献 96
第5章 蛋白质工程 100
5.1 基本策略 100
5.1.1 定向进化 102
5.1.2 半理性设计 103
5.1.3 从头设计蛋白质 105
5.2 人工智能辅助蛋白质工程策略 106
5.2.1 蛋白质数据集的构建 107
5.2.2 蛋白质的向量表示法 108
5.2.3 模型的选择与构建 109
5.2.4 模型的训练与评估 110
5.2.5 模型的可解释性 111
5.3 人工智能在蛋白质工程中的应用实例 112
5.3.1 人工智能颠覆蛋白质结构预测 112
5.3.2 人工智能指导定向进化策略 115
5.3.3 人工智能驱动蛋白质从头设计 117
5.4 人工智能辅助蛋白质工程应用 118
5.4.1 生物医药与抗体研发 119
5.4.2 生物制造与酶工程 120
5.5 小结 121
5.6 参考文献 121
第6章 基因线路 127
6.1 基因线路设计 128
6.1.1 质粒的设计与构建 129
6.1.2 底盘细胞的选择 132
6.1.3 实验设计工具 132
6.2 基因线路的性能优化与建模策略 133
6.2.1 基因线路的性能优化 134
6.2.2 基因线路设计的建模策略 136
6.3 控制系统理论与设计 137
6.3.1 细胞内控制 137
6.3.2 细胞间控制 138
6.3.3 网络细胞控制 139
6.4 利用人工智能设计基因线路 140
6.5 基因线路的应用 142
6.5.1 在生物传感器中的应用 143
6.5.2 在生物医学领域的应用 143
6.5.3 在DNA计算中的应用 144
6.6 小结 145
6.7 参考文献 145
第7章 生物传感器 152
7.1 全细胞生物传感器 152
7.2 基于双组分系统的生物传感器 153
7.2.1 双组分系统简介 154
7.2.2 双组分系统的效率调控 155
7.2.3 双组分系统的特异性 156
7.2.4 双组分系统在生物传感器中的应用 157
7.3 合成生物学使能的生物传感器 158
7.4 人工智能驱动的生物传感器 160
7.5 智能生物传感器的实例及应用 161
7.5.1 智能生物传感器的应用实例 162
7.5.2 智能生物传感器的应用领域 164
7.6 小结 165
7.7 参考文献 166
第8章 工程化载体 170
8.1 工程化载体概述 170
8.1.1 腺病毒工程化载体 171
8.1.2 腺相关病毒工程化载体 172
8.1.3 逆转录病毒工程化载体 174
8.1.4 慢病毒工程化载体 176
8.2 传统设计策略 178
8.2.1 嵌合病毒工程化载体策略 178
8.2.2 镶嵌病毒工程化载体策略 178
8.2.3 假病毒工程化载体策略 178
8.2.4 利用DNA改组技术形成嵌合体 179
8.3 基于合成生物学的工程化载体设计策略 179
8.3.1 基于合成生物学的工程化载体设计特点 180
8.3.2 基于合成生物学的工程化载体设计策略 183
8.3.3 利用人工智能技术优化改造工程化载体 185
8.4 小结 186
8.5 参考文献 187
第9章 微生物基因组 196
9.1 合成基因组 196
9.1.1 病毒基因组的合成 197
9.1.2 *基因组的合成 198
9.1.3 真核细胞基因组的
目 录
第1章 合成生物学概述 1
1.1 发展历程 1
1.2 定义与本质 3
1.3 基本原理 4
1.3.1 层级化结构 4
1.3.2 工程化设计 11
1.4 主要技术方法 13
1.4.1 DNA合成 14
1.4.2 DNA测序 14
1.4.3 DNA组装 15
1.4.4 基因编辑 16
1.4.5 定向进化 19
1.5 里程碑成果 20
1.5.1 合成能力飞速发展 21
1.5.2 核心技术不断升级 22
1.5.3 创新应用成果凸显 23
1.6 小结 25
1.7 参考文献 25
第2章 人工智能概述 33
2.1 人工智能的发展历程 33
2.2 机器学习技术 35
2.2.1 集成学习 36
2.2.2 强化学习 37
2.2.3 迁移学习 38
2.2.4 反向传播法 39
2.2.5 损失函数与优化器 40
2.2.6 监督学习、半监督学习和无监督学习 40
2.2.7 机器学习在合成生物学中的应用 41
2.3 机器学习主要算法 42
2.3.1 决策树 42
2.3.2 支持向量机 43
2.3.3 支持向量回归 44
2.3.4 贝叶斯网络 44
2.3.5 K-近邻 45
2.3.6 随机森林 45
2.3.7 梯度提升机 46
2.3.8 XGBoost 46
2.4 深度学习基础 47
2.4.1 深度学习框架 47
2.4.2 神经网络 49
2.5 神经网络模型 51
2.5.1 深度置信网络 51
2.5.2 线性神经网络 52
2.5.3 多层感知器 52
2.5.4 卷积神经网络 53
2.5.5 循环神经网络 54
2.5.6 残差神经网络 55
2.5.7 深度生成模型 56
2.5.8 注意力网络 56
2.6 小结 58
2.7 参考文献 59
第3章 合成生物学中的数学模型 61
3.1 标准定量机制 61
3.2 数学模型 62
3.2.1 米氏方程 63
3.2.2 希尔方程 64
3.2.3 种群生长Logistic模型 65
3.2.4 基因表达的随机模型 66
3.2.5 基因调控网络模型 68
3.3 逻辑拓扑结构 70
3.3.1 简单调控 71
3.3.2 级联 72
3.3.3 前馈 72
3.3.4 反馈 74
3.3.5 单输入模块 75
3.3.6 多输入模块 75
3.4 小结 76
3.5 参考文献 76
第4章 调控元件 79
4.1 调控元件的类型及特点 79
4.1.1 原核生物转录调控元件 80
4.1.2 真核生物转录调控元件 83
4.2 调控元件的人工智能挖掘 87
4.2.1 启动子的挖掘 87
4.2.2 转录因子结合位点的挖掘 89
4.3 调控元件的智能设计 91
4.4 采用人工智能算法所面临的挑战 93
4.4.1 “维度灾难”和类不平衡性 94
4.4.2 数据噪声和异质性 94
4.4.3 模型可解释性 95
4.4.4 网络架构的选择 95
4.4.5 计算资源的消耗 95
4.5 小结 95
4.6 参考文献 96
第5章 蛋白质工程 100
5.1 基本策略 100
5.1.1 定向进化 102
5.1.2 半理性设计 103
5.1.3 从头设计蛋白质 105
5.2 人工智能辅助蛋白质工程策略 106
5.2.1 蛋白质数据集的构建 107
5.2.2 蛋白质的向量表示法 108
5.2.3 模型的选择与构建 109
5.2.4 模型的训练与评估 110
5.2.5 模型的可解释性 111
5.3 人工智能在蛋白质工程中的应用实例 112
5.3.1 人工智能颠覆蛋白质结构预测 112
5.3.2 人工智能指导定向进化策略 115
5.3.3 人工智能驱动蛋白质从头设计 117
5.4 人工智能辅助蛋白质工程应用 118
5.4.1 生物医药与抗体研发 119
5.4.2 生物制造与酶工程 120
5.5 小结 121
5.6 参考文献 121
第6章 基因线路 127
6.1 基因线路设计 128
6.1.1 质粒的设计与构建 129
6.1.2 底盘细胞的选择 132
6.1.3 实验设计工具 132
6.2 基因线路的性能优化与建模策略 133
6.2.1 基因线路的性能优化 134
6.2.2 基因线路设计的建模策略 136
6.3 控制系统理论与设计 137
6.3.1 细胞内控制 137
6.3.2 细胞间控制 138
6.3.3 网络细胞控制 139
6.4 利用人工智能设计基因线路 140
6.5 基因线路的应用 142
6.5.1 在生物传感器中的应用 143
6.5.2 在生物医学领域的应用 143
6.5.3 在DNA计算中的应用 144
6.6 小结 145
6.7 参考文献 145
第7章 生物传感器 152
7.1 全细胞生物传感器 152
7.2 基于双组分系统的生物传感器 153
7.2.1 双组分系统简介 154
7.2.2 双组分系统的效率调控 155
7.2.3 双组分系统的特异性 156
7.2.4 双组分系统在生物传感器中的应用 157
7.3 合成生物学使能的生物
传感器 158
7.4 人工智能驱动的生物传感器 160
7.5 智能生物传感器的实例及
应用 161
7.5.1 智能生物传感器的应用实例 162
7.5.2 智能生物传感器的应用领域 164
7.6 小结 165
7.7 参考文献 166
第8章 工程化载体 170
8.1 工程化载体概述 170
8.1.1 腺病毒工程化载体 171
8.1.2 腺相关病毒工程化载体 172
8.1.3 逆转录病毒工程化载体 174
8.1.4 慢病毒工程化载体 176
8.2 传统设计策略 178
8.2.1 嵌合病毒工程化载体策略 178
8.2.2 镶嵌病毒工程化载体策略 178
8.2.3 假病毒工程化载体策略 178
8.2.4 利用DNA改组技术形成嵌合体 179
8.3 基于合成生物学的工程化载体设计策略 179
8.3.1 基于合成生物学的工程化载体设计特点 180
8.3.2 基于合成生物学的工程化载体设计策略 183
8.3.3 利用人工智能技术优化改造工程化载体 185
8.4 小结 186
8.5 参考文献 187
第9章 微生物基因组 196
9.1 合成基因组 196
9.1.1 病毒基因组的合成 197
9.1.2 *基因组的合成 198
9.1.3 真核细胞基因组的合成 199
9.2 *小基因组的设计 199
9.2.1 *小基因组概述 200
9.2.2 *小基因组的构建原理 201
9.2.3 *小基因组构建示例 204
9.2.4 *小基因组构建的阻碍和挑战 205
9.3 人工智能在基因组智能化设计中的应用 206
9.3.1 人工智能辅助染色体完全合成 206
9.3.2 人工智能辅助*需基因发掘 207
9.4 小结 207
9.5 参考文献 208
第10章 代谢工程 212
10.1 代谢工程概述 212
10.2 代谢工程中常见的模式菌株 213
10.2.1 大肠杆菌 214
10.2.2 枯草芽孢杆菌 214
10.2.3 谷氨酸棒状杆菌 214
10.2.4 酿酒酵母 215
10.2.5 其他菌株 217
10.3 代谢途径的改造策略 218
10.3.1 调控元件的改造 218
10.3.2 生物合成途径的重构 220
10.4 代谢工程改造示例 221
10.4.1 光滑*的代谢工程 222
10.4.2 放线菌属的代谢工程 222
10.4.3 曲霉属的代谢工程 223
10.5 人工智能在代谢工程中的应用 224
10.5.1 人工智能在代谢途径中的设计原理 224
10.5.2 人工智能辅助代谢途径优化 226
10.5.3 人工智能辅助*代谢系统的进化预测 227
10.6 小结 227
10.7 参考文献 228
第11章 人工智能在DNA计算及存储中的应用 234
11.1 DNA计算 234
11.1.1 DNA计算原理 235
11.1.2 DNA计算模块 235
11.1.3 DNA计算数字逻辑 237
11.1.4 DNA计算模拟电路 238
11.2 神经拟态计算 239
11.2.1 神经拟态计算概述 240
11.2.2 基于DNA分子的神经拟态计算 242
11.2.3 利用基因线路构建神经拟态计算 243
11.3 DNA存储 246
11.3.1 DNA存储简介 247
11.3.2 DNA存储基本流程 247
11.3.3 DNA存储模式 249
11.4 人工智能在DNA存储中的应用 251
11.5 小结 252
11.6 参考文献 252
第12章 合成生物学与人工智能赋能的生物经济 258
12.1 生物经济概述 258
12.1.1 生物经济的定义 258
12.1.2 生物经济的发展趋势 259
12.1.3 国外生物经济的发展战略 261
12.1.4 国内生物经济的发展战略 265
12.2 合成生物学是生物经济发展的关键驱动因素 266
12.3 人工智能赋能新一代生物经济 269
12.3.1 人工智能推动生物产业的智能化与自动化 269
12.3.2 人工智能助力合成生物学产业—以生物制药业为例 270
12.4 小结 271
12.5 参考文献 271
合成 199
9.2 *小基因组的设计 199
9.2.1 *小基因组概述 200
9.2.2 *小基因组的构建原理 201
9.2.3 *小基因组构建示例 204
9.2.4 *小基因组构建的阻碍和挑战 205
9.3 人工智能在基因组智能化设计中的应用 206
9.3.1 人工智能辅助染色体完全合成 206
9.3.2 人工智能辅助*需基因发掘 207
9.4 小结 207
9.5 参考文献 208
第10章 代谢工程 212
10.1 代谢工程概述 212
10.2 代谢工程中常见的模式菌株 213
10.2.1 大肠杆菌 214
10.2.2 枯草芽孢杆菌 214
10.2.3 谷氨酸棒状杆菌 214
10.2.4 酿酒酵母 215
10.2.5 其他菌株 217
10.3 代谢途径的改造策略 218
10.3.1 调控元件的改造 218
10.3.2 生物合成途径的重构 220
10.4 代谢工程改造示例 221
10.4.1 光滑*的代谢工程 222
10.4.2 放线菌属的代谢工程 222
10.4.3 曲霉属的代谢工程 223
10.5 人工智能在代谢工程中的应用 224
10.5.1 人工智能在代谢途径中的设计原理 224
10.5.2 人工智能辅助代谢途径优化 226
10.5.3 人工智能辅助*代谢系统的进化预测 227
10.6 小结 227
10.7 参考文献 228
第11章 人工智能在DNA计算及存储中的应用 234
11.1 DNA计算 234
11.1.1 DNA计算原理 235
11.1.2 DNA计算模块 235
11.1.3 DNA计算数字逻辑 237
11.1.4 DNA计算模拟电路 238
11.2 神经拟态计算 239
11.2.1 神经拟态计算概述 240
11.2.2 基于DNA分子的神经拟态计算 242
11.2.3 利用基因线路构建神经拟态计算 243
11.3 DNA存储 246
11.3.1 DNA存储简介 247
11.3.2 DNA存储基本流程 247
11.3.3 DNA存储模式 249
11.4 人工智能在DNA存储中的应用 251
11.5 小结 252
11.6 参考文献 252
第12章 合成生物学与人工智能赋能的生物经济 258
12.1 生物经济概述 258
12.1.1 生物经济的定义 258
12.1.2 生物经济的发展趋势 259
12.1.3 国外生物经济的发展战略 261
12.1.4 国内生物经济的发展战略 265
12.2 合成生物学是生物经济发展的关键驱动因素 266
12.3 人工智能赋能新一代生物经济 269
12.3.1 人工智能推动生物产业的智能化与自动化 269
12.3.2 人工智能助力合成生物学
产业—以生物制药业为例 270
12.4 小结 271
12.5 参考文献 271
书中前言/序言
DNA计算是一种利用DNA分子的信息存储和计算能力进行计算的新型技术，在疾病诊断和药物研发中具有重要应用。《合成生物学智能化设计与应用》介绍了DNA计算相关内容以及人工智能在DNA计算及存储中的应用，并展望了以生命科学和生物技术的发展进步和普及应用为基础的新经济形态——生物经济。
《合成生物学智能化设计与应用》全书速览
结束语
通过本文介绍，可以看出合成生物学应用的巨大前景，而且《合成生物学智能化设计与应用》一书既有合成生物学的核心概念和原理的系统性梳理，也有人工智能技术在合成生物学不同层面中的应用，还有合成生物学技术在工业、农业、健康、能源、环境、材料等多个领域的全局认知。如果你是生物类、计算机类、化工类、环境类、医药专业的学生，或生物、信息、医药、化工、能源、资源和环境等领域的科研人员、IT人员，或者想了解人工智能与合成生物学的相关知识，《合成生物学智能化设计与应用》是你的不二之选！