人类知识与AI"强强联合"，合成生物学领域打了个新样！

近年来，合成生物学作为一门新兴交叉学科获得了蓬勃发展，为破解人类面临的资源、健康、环境等重大挑战提供全新解决途径。合成生物学的核心理念是通过对DNA等生物大分子的逆向设计重构获得具有特定功能的人工生物系统。然而，这些生物分子编码的组合排列空间十分庞大，序列与功能的映射关系复杂。因此，对科学家而言，生物大分子序列的精准设计将极具挑战性。

该领域，AI在提取复杂模式、生成复杂对象方面具备潜力，而人类专家则更擅长在小样本中识别明确模式。正所谓"独行快、众行远"，近期，清华大学自动化系汪小我团队在《Nature Communications》发表了题为：“Deep flanking sequence engineering for efficient promoter design using DeepSEED ”的研究论文。

该研究提出了一种将上述二者"强强联合"的设计方法--DeepSEED。他们将专家知识与大数据学习相融合的合成启动子人工智能辅助，发现了转录因子结合位点旁侧序列在启动子优化设计中的重要作用，为突破基因调控元件设计中面临的高维度、小样本的核心难题提供了新的思路。

知识引导与数据驱动相融合的启动子辅助设计方法DeepSEED