结论

本项目围绕枯草芽孢杆菌启动子人工智能设计，将AI算法与生物学研究相结合，经过训练样本库的整合、启动子序列生成模型和强度预测模型的构建与构建、开发了一个针对枯草芽孢杆菌的人工启动子设计系统。

本项目将计算方法用于合成生物学研究，具有以下几点成果与创新：

（1）建立枯草芽孢杆菌启动子强度的预测模型，可一定程度上实现启动子强度的定量预测；

（2）首次建立针对于枯草芽孢杆菌启动子的序列生成模型，可有效生成与天然启动子的特征相符，具有活性潜力的人工启动子序列；

（3）首次建立枯草芽孢杆菌的人工启动子设计系统，并提供可远程访问的在线设计工具；

（4）新发现了可能影响枯草芽孢杆菌启动子强度的序列特征关系的规律。

本项目的实施有望为合成生物学的核心调控元件————启动子的获得，提供另一种更便捷、更高效的手段。相比于耗时长、成本高、结果不可控的实验室启动子改造策略，我们基于生物学中“淘汰与进化”的思想，利用人工智能算法“数字化”生物实验过程，即通过模型的学习掌握有关启动子序列及强度的规律，快速获得可指定特点、大量且全新的启动子序列。通过对生成的启动子进行分析，进一步加深研究者对启动子序列及其强度关系的理解。我们构建的枯草芽孢杆菌人工启动子设计系统可快速生成大量特定强度的人工启动子，从而建立强度分布广泛的人工启动子元件库，在复杂代谢网络的精准调控，酶/蛋白质的高水平表达上有广阔的等方面具有重要的应用前景。