時間:2022-09-19 20:58:50來æºï¼šæŽæ• æž—åæ° 廖文斌 é™³å»·æŸ æŽå …å¼· 陳 æ° è‚–æ•é³³
  1 引 言
ã€€ã€€åˆæˆç”Ÿç‰©å¸ä»¥äººç‚ºè¨è¨ˆå’Œæ§‹å»ºç”Ÿå‘½ç³»çµ±ç‚ºç›®æ¨™ï¼Œè¿‘å¹´ä¾†åœ¨ç”Ÿç‰©é†«ç™‚æŠ€è¡“å’Œè—¥ç‰©çš„ç ”ç™¼ã€è›‹ç™½è³ªå’Œå…¶ä»–化åˆç‰©çš„生產以åŠç’°å¢ƒä¿è·ç‰é ˜åŸŸå±•ç¾å‡ºå·¨å¤§çš„發展潛力。有別于傳統生命科å¸ï¼Œ åˆæˆç”Ÿç‰©å¸å…·å‚™å¤šå¸ç§‘交å‰ã€å¤šæŠ€è¡“èžåˆçš„特å¾ï¼Œéµå¾ªå·¥ç¨‹å¸æœ¬è³ªï¼Œåœ¨äººå·¥è¨è¨ˆçš„æŒ‡å°Žä¸‹ï¼ŒåŸºäºŽç‰¹å®šåº•盤細胞,自下而上地å°ç”Ÿç‰©å…ƒä»¶ã€ç·šè·¯æ¨¡å¡Šã€ä»£è¬ç¶²çµ¡å’ŒåŸºå› 組ç‰é€²è¡Œæ¨™æº–化表å¾ã€é€šç”¨åŒ–è¨è¨ˆæ§‹å»ºã€å¯æŽ§åŒ–é‹è¡Œï¼Œå¹¶æŒçºŒå¸ç¿’和優化。
ã€€ã€€éš¨è‘—åˆæˆç”Ÿç‰©å¸æ¶‰åŠçš„åŠŸèƒ½å’Œæ½›åœ¨æ‡‰ç”¨çš„ä¸æ–·æ‹“展,é‹ç”¨åˆæˆç”Ÿç‰©å¸çš„復雜性和跨å¸ç§‘知è˜éœ€æ±‚也在迅速增長。然而,生命系統極其精密,包å«å¤§é‡ä¸åŒçš„åŸºå› å’Œèª¿æŽ§å…ƒä»¶ï¼Œè€Œå…ƒä»¶ä¹‹é–“åˆä»¥æµ·é‡ä¸åŒçš„組åˆå½¢æˆæ¨¡å¡Šã€ç¶²çµ¡ï¼Œé›£ä»¥ç²¾ç¢ºæè¿°å’Œé æ¸¬ï¼Œå› æ¤å³ä½¿è¨è¨ˆå°åž‹çš„åŸºå› ç·šè·¯ä¹Ÿéœ€è¦åå¾©èª¿è©¦ã€‚å·¥ç¨‹å¸æ€ç¶å’Œæ–¹æ³•是克æœé€™ä¸€é›£é¡Œçš„利器,å³å¤§è¦æ¨¡æ¸¬è©¦ä¸åŒå…ƒä»¶ã€ç·šè·¯æ¨¡å¡Šã€ç¶²çµ¡å’Œåº•盤的組åˆï¼Œç©ç´¯æµ·é‡å¯¦é©—æ•¸æ“šï¼Œå¾žè€ŒæŒ‡å°Žåˆæˆç”Ÿç‰©ç³»çµ±çš„ç†æ€§è¨è¨ˆå’Œå„ªåŒ–ã€‚åˆæˆç”Ÿç‰©è‡ªå‹•åŒ–è¨æ–½(Biofoundry) 是工程å¸å¹³è‡ºæå»ºçš„ä¸€å¤§æ ¸å¿ƒï¼Œä¾ç…§â€œè¨è¨ˆâ€” 構建—測試—å¸ç¿’â€(Design-Build-Test-Learn,DBTL) 的閉環ç–ç•¥çµ„ç¹”å·¥è—æµç¨‹ï¼Œé€šéŽè‡ªå‹•化ã€é«˜é€šé‡ç”Ÿç‰©å¸å¯¦é©—試錯ç²
  得符åˆé æœŸçš„åˆæˆç”Ÿç‰©ç³»çµ±ã€‚但當å‰å·¥ç¨‹åŒ–試錯å˜åœ¨æµ·é‡çš„è©¦éŒ¯ç©ºé–“ï¼Œå¯¦é©—æˆæœ¬æ¥µå…¶é«˜æ˜‚ï¼Œå¹¶ä¸”ç¼ºä¹æ¨™æº–化ã€å®šé‡çš„è¡¨å¾æ‰‹æ®µå’Œæ™ºèƒ½åŒ–試錯ã€å„ªåŒ–ã€å¸ç¿’ç†è«–與技術的系統性支æ’ï¼Œé˜»ç¤™äº†å·¥ç¨‹åŒ–ç ”ç©¶å¹³è‡ºæŒ‡å°Žåˆæˆç”Ÿç‰©ç³»çµ±çš„è¨è¨ˆèˆ‡æ”¹é€ çš„ç™¼å±•ã€‚å› æ¤ï¼Œéœ€è¦é‹ç”¨ä¸€ç¨®æ–¹æ³•將新知è˜å’Œæ–°æŠ€è¡“æµç¨‹å¾ˆå¥½åœ°é›†æˆåˆ°åˆæˆç”Ÿç‰©å¸å·¥ç¨‹ä¸ï¼Œä»¥æé«˜è©¦éŒ¯æ•ˆçއã€é™ä½Žè©¦éŒ¯æˆæœ¬ã€‚
  隨著人工智能 (Artificial Intelligence,AI) 技術的快速發展,在軟件ã€é›»å和機械系統ç‰ä¸åŒé ˜åŸŸçš„工程è¨è¨ˆä¸ï¼Œä½¿ç”¨äººå·¥æ™ºèƒ½æŠ€è¡“來æ•ç²äººé¡žå°ˆå®¶çŸ¥è˜å¹¶å°‡å…¶åµŒå…¥è¼”åŠ©å·¥å…·ä¸æ˜¯å¾ˆå¸¸ç”¨çš„æ€è·¯ã€‚äººå·¥æ™ºèƒ½æŠ€è¡“åŸºäºŽæµ·é‡æ•¸æ“šçš„æŒçºŒå¸ç¿’能力和在未知空間的智能探索能力,有效地契åˆäº†ç•¶å‰åˆæˆç”Ÿç‰©å¸å·¥ç¨‹åŒ–試錯平臺的需求。盡管生命體很復雜并且未被完全ç†è§£ï¼Œä½†æ˜¯äººå·¥æ™ºèƒ½æŠ€è¡“å¯ä»¥æ‰¾åˆ°å¾ˆå¤šçªç ´å£é¡¯è‘—æ”¹è®Šåˆæˆç”Ÿç‰©å¸å·¥ç¨‹çš„æ•ˆèƒ½ã€‚äººå·¥æ™ºèƒ½æŠ€è¡“çš„æ ¸å¿ƒæ˜¯æ©Ÿå™¨å¸ç¿’模型與算法,其本質是基于一組數å¸è¦å‰‡æˆ–統計å‡è¨ï¼Œå°æ©Ÿå™¨é€²è¡Œç·¨ç¨‹å¾žè€Œå¸ç¿’數據集ä¸çš„æ¨¡å¼èˆ‡è¦å¾‹ã€‚通常說來,機器å¸ç¿’的目標是從給定數據集ä¸ç™¼ç¾ç‰¹å¾ä¹‹é–“çš„è¯ç³»å¾žè€Œå»ºç«‹èµ·é 測模型,輸出值å¯ä»¥æ˜¯äºŒå…ƒéŸ¿æ‡‰ã€å¤šåˆ†é¡žæ¨™ç°½æˆ–連續值。其ä¸ï¼Œè¨“ç·´å¥½çš„é æ¸¬æ¨¡åž‹éœ€è¦å…·æœ‰è¼ƒå¥½çš„æ³›åŒ–能力,å³èƒ½è¼ƒæº–ç¢ºåœ°é æ¸¬è¨“練集外的樣本。
ã€€ã€€æ¯”è¼ƒç¶“å…¸çš„é æ¸¬æ¨¡åž‹æœ‰é‚è¼¯å›žæ¸æ¨¡åž‹ã€æ±ºç–樹模型ã€è²è‘‰æ–¯æ¦‚çŽ‡æ¨¡åž‹ã€æ”¯æŒå‘釿©Ÿã€å·ç©ç¥žç¶“網絡 (Convolutional Neural Network) 和循環神經網絡(Recurrent Neural Network) ç‰ã€‚在生物å¸å’Œç”Ÿç‰©é†«å¸ç ”究的大數據時代,機器å¸ç¿’模型與算法的一個關éµå„ªå‹¢æ˜¯å¯è‡ªå‹•挖掘數據ä¸å¯èƒ½è¢«å¿½ç•¥çš„æ¨¡å¼ï¼Œåœ¨ç™¼ç¾å¾©é›œç”Ÿå‘½ç³»çµ±çš„內在è¦å¾‹æ–¹é¢èµ·é—œéµä½œç”¨ã€‚人工智能技術在生物å¸é ˜åŸŸå·²ç¶“å…·æœ‰å»£æ³›çš„æ‡‰ç”¨ï¼ŒåŒ…æ‹¬åŸºå› æ³¨é‡‹ã€è›‹ç™½è³ªåŠŸèƒ½çš„é æ¸¬ã€åŸºå› ç·šè·¯çš„é æ¸¬ã€ä»£è¬ç¶²çµ¡çš„é æ¸¬å’Œå¾©é›œå¾®ç”Ÿç‰©ç¾¤è½çš„表å¾ç‰ã€‚ç„¶è€Œï¼Œåˆæˆç”Ÿç‰©å¸å¯¦é©—é€šå¸¸æ™‚é–“è·¨åº¦å¤§ã€æˆæœ¬é«˜ä»¥åŠ DBTL è¿ä»£æ¬¡æ•¸æœ‰é™ï¼Œå°Žè‡´é 測模型的訓練數據極度ä¸è¶³ï¼Œ é€™ä¹Ÿçµ¦äººå·¥æ™ºèƒ½æŠ€è¡“å¸¶ä¾†äº†æ–°çš„æŒ‘æˆ°ã€‚æœ¬æ–‡ç¶œè¿°äº†è¿‘å¹´ä¾†äººå·¥æ™ºèƒ½æŠ€è¡“åœ¨åˆæˆå…ƒä»¶å·¥ç¨‹ã€ç·šè·¯å·¥ç¨‹ã€ä»£è¬å·¥ç¨‹åŠåŸºå› çµ„å·¥ç¨‹é ˜åŸŸçš„ç ”ç©¶é€²å±•ï¼Œå¹¶åœ¨æ¤åŸºç¤Žä¸Šæç…‰æ¸ç´äººå·¥æ™ºèƒ½èˆ‡åˆæˆç”Ÿç‰©å¸å…©å¤§é ˜åŸŸäº¤å‰èžåˆæ‰€é¢è‡¨çš„æŒ‘戰,æå‡ºé–‹ç™¼åŸºäºŽäººå·¥æ™ºèƒ½å®Œæˆ DBTL é–‰ç’°çš„â€œé¡žåˆæˆç”Ÿç‰©å¸å®¶â€è¦‹è§£ã€‚
  2 äººå·¥æ™ºèƒ½æ‡‰ç”¨äºŽåˆæˆç”Ÿç‰©å¸çš„åœ‹å…§å¤–ç ”ç©¶ç¾ç‹€
  21 ä¸–ç´€ä»¥ä¾†ï¼Œäººå·¥æ™ºèƒ½èˆ‡åˆæˆç”Ÿç‰©å¸äº¤å‰ç ”究驅使元件工程ã€ç·šè·¯å·¥ç¨‹ã€ä»£è¬å·¥ç¨‹ã€åŸºå› 組工程ç‰é ˜åŸŸå–å¾—äº†ä¸€äº›ä»£è¡¨æ€§çš„é€²å±•ï¼Œå¹¶ä½¿è¨±å¤šå…·å‚™é®®æ˜Žé ˜åŸŸäº¤å‰ç‰¹è‰²çš„å‰µæ–°ç ”ç©¶æ‰‹æ®µå’Œç†è«–得以æˆåŠŸé‹ç”¨ã€‚å…¶ä¸ï¼Œ2005—2017 å¹´ç‚ºç·©æ…¢ç™¼å±•éšŽæ®µï¼Œç ”ç©¶ä¸»è¦é›†ä¸åœ¨ç·šè·¯å·¥ç¨‹;2018—2021 年為相å°é«˜é€Ÿç™¼å±•階段,人工智能在元件工程ã€ç·šè·¯å·¥ç¨‹ã€ä»£è¬å·¥ç¨‹ã€åŸºå› 組工程ç‰é ˜åŸŸå‡å¶„露é 角。這æ„å‘³è‘—ï¼Œäººå·¥æ™ºèƒ½é–‹å§‹æœ‰æ•ˆåœ°è§£æ±ºåˆæˆç”Ÿç‰©å¸å„åé ˜åŸŸçš„æŠ€è¡“é›£é¡Œï¼Œé–‹è¾Ÿåˆæˆç”Ÿç‰©å¸ç™¼å±•的新é“è·¯ ( 圖 1)。
  2.1 元件工程
ã€€ã€€ç”Ÿç‰©å…ƒä»¶æ˜¯åˆæˆç”Ÿç‰©ç³»çµ±ä¸æœ€ç°¡å–®ã€æœ€åŸºæœ¬çš„å–®å…ƒï¼Œé€šå¸¸æŒ‡ä¸€å°æ®µå…·æœ‰ç‰¹å®šåŠŸèƒ½çš„æ ¸é…¸å’Œæ°¨åŸºé…¸åºåˆ—ã€‚åœ¨å¤§è¦æ¨¡çš„生物智能è¨è¨ˆä¸ï¼Œç”Ÿç‰©å…ƒä»¶åƒâ€œæç©æœ¨â€ä¸€æ¨£è¢«ç”¨äºŽçµ„è£å…·æœ‰ç‰¹å®šç”Ÿç‰©å¸åŠŸèƒ½çš„è£ç½®å’Œç³»çµ±ã€‚在傳統的生物信æ¯å¸å’ŒåŸºå› 組å¸ç ”ç©¶ä¸ï¼Œè¯åˆå¤šçµ„å¸èˆ‡åºåˆ—特å¾åˆ†æžå¯ä»¥å¾—到特定的生物功能元件,如啟動åã€æ ¸ç³–é«”çµåˆä½é»žã€è›‹ç™½ç·¨ç¢¼åŸºå› ã€çµ‚æ¢åå’Œæ“縱åç‰ã€‚ç„¶è€Œï¼Œå¾žæ ¸é…¸å’Œæ°¨åŸºé…¸åºåˆ—到生物元件的挖掘與功能解讀之間還å˜åœ¨å·¨å¤§é´»æºã€‚å·²æœ‰ç ”ç©¶è¡¨æ˜Žï¼Œäººå·¥æ™ºèƒ½æŠ€è¡“å¯æ”¹å–„生物元件的鑒定和功能注釋效率。DeepRibo 利用å·ç©ç¥žç¶“ç¶²çµ¡å’Œå¾ªç’°ç¥žç¶“ç¶²çµ¡å¯æœ‰æ•ˆæ³¨é‡‹åŸºå› 編碼å€ã€‚ProLanGO å‰‡æ˜¯ä¸€ç¨®åŸºäºŽå¾ªç’°ç¥žç¶“ç¶²çµ¡çš„ç¥žç¶“æ©Ÿå™¨ç¿»è¯æ–¹æ³•ï¼Œå…¶å°‡è›‹ç™½è³ªåŠŸèƒ½é æ¸¬å•題轉化為語言翻è¯å•題。DeepEC 利用 3 個相互ç¨ç«‹çš„å·ç©ç¥žç¶“網絡è¯åˆåŒæºåˆ†æžå·¥å…· DIAMOND é æ¸¬è›‹ç™½è³ªEC(Enzyme Commission) 編碼以輔助ç†è§£é…¶çš„功能和總體細胞代è¬ã€‚Kotopka ç‰æ§‹å»ºçš„å·ç©ç¥žç¶“網絡模型å¯å¯¦ç¾å°é…µæ¯å•Ÿå‹•ååºåˆ—æ´»æ€§çš„é«˜ç²¾åº¦é æ¸¬èˆ‡è¨è¨ˆã€‚
  目å‰ï¼Œå·²ç™¼æŽ˜çš„å¤©ç„¶ç”Ÿç‰©å…ƒä»¶çµæ§‹åŠåŠŸèƒ½è¼ƒç‚ºå–®ä¸€ã€ä¿å®ˆï¼Œç†æ€§è¨è¨ˆå’Œå®šå‘é€²åŒ–æŠ€è¡“æ˜¯å„ªåŒ–ç¾æœ‰å…ƒä»¶çµæ§‹ã€å¢žå¼·å…¶åŠŸèƒ½ç‰¹æ€§çš„ä¸»è¦ç–ç•¥ã€‚ä½†é€™å…©ç¨®æ–¹æ³•éƒ½è€—æ™‚é•·ä¸”æˆæœ¬é«˜ï¼Œè€Œæ©Ÿå™¨å¸ç¿’通éŽå¸ç¿’åºåˆ—ä¸è®Šç•°ä¿¡æ¯çš„特å¾ä¾†ç¯©é¸å‡ºå¯èƒ½é€²åŒ–æ–¹å‘çš„åºåˆ—ï¼Œå¾žè€ŒåŠ é€Ÿç†æ€§è¨è¨ˆå’Œå®šå‘進化。Romero ç‰ä½¿ç”¨é«˜æ–¯éŽç¨‹(Gaussian Process) è¨è¨ˆçš„ç´°èƒžè‰²ç´ P450 é…¶(Cytochrome P450) 比先å‰é€šéŽåµŒåˆæŸ“色體ã€ç†æ€§è¨è¨ˆæˆ–定å‘進化產生的酶具備更è€é«˜æº«çš„特性。Li ç‰åˆ©ç”¨é«˜é€šé‡åˆ†å動力å¸ä»¿çœŸç‰è¨ˆç®—機方法輔助é‡è¨è¨ˆå¤©å†¬æ°¨é…¸é…¶ï¼Œå°‡å…¶è½‰åŒ–為ä¸å°ç¨±åŠ æ°«åæ‡‰çš„é…¶ï¼Œç”±æ¤æ“´å¤§äº†é€™ç¨®é…¶çš„生產,并ç²å¾—了å¯ç”¨äºŽåˆ¶è—¥å’Œå…¶ä»–生物活性化åˆç‰©çš„高純度元件。Yang ç‰åˆ©ç”¨å最å°äºŒä¹˜æ³•回æ¸ã€è²è‘‰æ–¯å„ªåŒ–ç‰ç®—法指導蛋白質定å‘進化,從而æé«˜æ°°åŒ–忇‰ä¸è›‹ç™½è³ªçš„催化效率。在蛋白質的翻è¯ä¸ï¼Œæ ¸ç³–é«”çµåˆä½é»žæ•ˆçŽ‡æ˜¯æ±ºå®šè›‹ç™½è³ªè¡¨é”é‡çš„é‡è¦å› ç´ ä¹‹ä¸€ã€‚Bonde ç‰æ§‹å»ºäº†ä¸€ç¨®åŸºäºŽéš¨æ©Ÿæ£®æž—çš„ EMOPEC(Empirical Model and Oligos for Protein Expression Changes) 工具,用于全é¢è©•ä¼°æ ¸ç³–é«”çµåˆä½é»žä¸Šçš„ SD åºåˆ— (Shine-Dalgarno Sequence) å°è›‹ç™½è³ªè¡¨é”的影響,并通éŽä¿®æ”¹ SD åºåˆ—ä¸Šçš„è‹¥å¹²å ¿åŸºï¼Œå°å¤§è…¸æ¡¿èŒåŸºå› è¡¨é”æ°´å¹³é€²è¡Œç²¾æº–調節。
ã€€ã€€å…ƒä»¶å·¥ç¨‹ä¸æ›´å…·æŒ‘戰æ„義的是è¨è¨ˆåˆæˆè‡ªç„¶ç•Œä¸å˜åœ¨çš„å…ƒä»¶ï¼Œè€Œäººå·¥æ™ºèƒ½åœ¨å…¶ä¸æ‰®æ¼”è‘—å分é‡è¦çš„角色。在 DNA 元件è¨è¨ˆä¸Šï¼ŒWang ç‰å°‡ç”Ÿæˆå°æŠ—網絡 (Generative Adversarial Network) 模型與支æŒå‘釿©Ÿæ´»æ€§é 測模型相çµåˆä¾†è¨è¨ˆå•Ÿå‹•å,其ä¸ç´„ 70.8% 的啟動åå…¼å…·çµæ§‹æ–°ç©ŽåŠåŠŸèƒ½ç©©å®šçš„ç‰¹æ€§ã€‚è©²é …å·¥ä½œç‚ºæ–°åž‹å•Ÿå‹•å元件的從é è¨è¨ˆæä¾›äº†ç«¯åˆ°ç«¯çš„æ–¹æ³•, 表明深度å¸ç¿’方法具有從é è¨è¨ˆåŸºå› 元件的潛力。在蛋白質元件è¨è¨ˆä¸Šï¼ŒRepecka ç‰ç ”究表明人工智能å¯è¼”助生æˆå¤šæ¨£åŒ–的功能蛋白,其æå‡ºçš„ ProteinGAN 從復雜的氨基酸åºåˆ—空間ä¸å¸ç¿’蛋白質演化關系,并創建與天然蛋白的生物特性接近的新功能蛋白。Li ç‰åˆ©ç”¨éš±é¦¬çˆ¾å¯å¤«æ¨¡åž‹ (Hidden Markov Model) å°è½‰æ°¨é…¶åºåˆ—å’Œçµæ§‹é€²è¡Œçµ„åˆåˆ†æžï¼Œå»ºç«‹é«˜æ•ˆå¿«é€Ÿçš„
  
  圖 1 2005—2021 å¹´äººå·¥æ™ºèƒ½æ‡‰ç”¨äºŽåˆæˆç”Ÿç‰©å¸çš„代表性進展
  計算方法來篩é¸ä¸åŒå®¶æ—的轉氨元件,最終建立了底物特異性互補的轉氨元件工具箱,實ç¾å°å¤©ç„¶ L- 氨基酸的全覆蓋,打通了 L- 氨基酸到酮酸åŠç›¸é—œé«˜åƒ¹å€¼è¡ç”Ÿç‰©çš„ç¶ è‰²åˆæˆé€”徑。
  2.2 線路工程
ã€€ã€€äººå·¥åŸºå› ç·šè·¯æ˜¯åˆ©ç”¨å…ƒä»¶å·¥ç¨‹ä¸çš„å„類元件é‡å°å¤šæ¨£çš„需求ä¾ç…§é›»å工程ä¸é›»è·¯æå»ºçš„æ€ç¶é€²è¡Œè¨è¨ˆåŠåŠŸèƒ½å„ªåŒ–ï¼Œå¾žè€Œé”到å°ç”Ÿå‘½çš„é‡ç·¨ç¨‹ã€‚基于雙穩態開關 (Toggle Switch)ã€æŒ¯è•©å™¨ (Oscillator) å’Œç´°èƒžé€šè¨Šæ¨¡å¡Šç‰æœ€ç°¡å–®çš„å°åž‹åŠŸèƒ½æ¨¡å¡Šï¼Œ ç ”ç©¶äººå“¡æ ¹æ“šç›®æ¨™é‡æ–°çµ„åˆæˆ–優化調整,è¨è¨ˆå‡ºèƒ½å¤ 執行復雜é‚è¼¯åŠŸèƒ½çš„æ–°ç©ŽåŸºå› ç·šè·¯ï¼Œå¾žè€Œå°ç´°èƒžè¡Œç‚ºé€²è¡Œç²¾æº–的時空控制,以應å°å¾©é›œçš„生物環境。
ã€€ã€€ä½†æ˜¯ï¼ŒåˆæˆåŸºå› 線路的è¨è¨ˆå’Œæ§‹å»ºé éžæ˜“事。早期è¨è¨ˆçš„åŸºå› ç·šè·¯é€šå¸¸éœ€è¦é€²è¡Œå¤šæ¬¡ã€é•·æ™‚間的調試æ‰èƒ½æ£å¸¸é‹è¡Œï¼Œä¸”無法確定其å°åº•盤細胞的其他影響。Hasnain ç‰åˆ©ç”¨Koopman ç®—åç†è«–æ§‹å»ºæ•¸æ“šé©…å‹•çš„æ¨¡åž‹ç”¨äºŽè¨ˆç®—åˆæˆç”Ÿç‰©ç·šè·¯å°å¤§è…¸æ¡¿èŒåº•盤的影響。Myers ç‰é–‹ç™¼äº†ä¸€ç¨®å·¥å…·â€”— iBioSim 利用多種仿真方法å°åŸºå› 線路模型進行高效分æžå’Œè¨è¨ˆï¼Œå¯ç”¨äºŽç¶è·åŸºå› 線路模型以åŠå¯¦é©—和仿真數據記錄。盡管å–å¾—äº†ä»¥ä¸Šé€²å±•ï¼Œä½†åœ¨å¤§åž‹å¾©é›œçš„åˆæˆç¶²çµ¡ä¸ï¼Œç”Ÿç‰©å…ƒä»¶å¯èƒ½ç›¸äº’äº¤äº’é€ æˆä¸²æ“¾ï¼Œå¯ç”¨çš„生物回路元件的數é‡å’Œæ£äº¤æ€§å¸¶ä¾†çš„é™åˆ¶é˜»ç¤™äº†åœ¨æ´»ç´°èƒžä¸æ§‹å»ºç©©å®šé‹è¡Œçš„復雜回路。Green ç‰åˆ©ç”¨ç·šæ€§äº¤äº’機制從é è¨è¨ˆåœ¨å¤§è…¸æ¡¿èŒä¸èª¿æŽ§åŸºå› 表é”çš„æ ¸ç³–é–‹é—œâ€”â€”Toehold Switch。Toehold Switch ä¸åƒ…å¯ä»¥æ„Ÿæ‡‰åŒæº RNA å¾žè€Œæ¿€æ´»åŸºå› è¡¨é”,而且實ç¾äº†è¼ƒé«˜çš„æ£äº¤æ€§ã€è¼ƒä½Žçš„系統串擾ã€å¯ç·¨ç¨‹æ€§ä»¥åŠè¼ƒå»£çš„動態范åœï¼Œä½†ä»é¢è‡¨ä¸€å®šçš„è¨è¨ˆç“¶é ¸ï¼Œè¬å¦‚ç¯©é¸æœ‰ç”¨çš„ Toehold Switch 通常需è¦é–‹å±•大é‡å¯¦é©—ï¼Œæ¶ˆè€—å¾ˆé«˜çš„æ™‚é–“å’Œç¶“æ¿Ÿæˆæœ¬ã€‚于是,Valeri ç‰ å°‡ STORM(Sequencebased Toehold Optimization and Redesign Model) å’Œ NuSpeak(Nucleic-Acid Speech) 循 環神經網絡 - å·ç©ç¥žç¶“ç¶²çµ¡æ··åˆæ¨¡åž‹ç”¨äºŽè¡¨å¾å’Œå„ªåŒ– ToeholdSwitch。在深度å¸ç¿’æž¶æ§‹ä¸ä½¿ç”¨å·ç©éŽæ¿¾å™¨ã€æ³¨æ„力機制和é·ç§»å¸ç¿’å°æ¨¡åž‹é€²è¡Œå„ªåŒ–ï¼Œé€²ä¸€æ¥æ”¹é€²äº†é¢å°ç¨€ç–çš„è¨“ç·´æ•¸æ“šçš„æ€§èƒ½ï¼Œç‚ºèª¿ç¯€é–‹é—œçš„é¸æ“‡å’Œè¨è¨ˆæä¾›äº†å¾žåºåˆ—到功能的深度å¸ç¿’框架,并增強了構建有效的生物電路和精確診斷的能力。
ã€€ã€€ä¸€å€‹åŸºå› ç·šè·¯çš„è¨è¨ˆè¢«æå‡ºåŽï¼Œè¨ˆç®—機仿真ç–ç•¥å¯ç¢ºå®šè©²ç·šè·¯å¯ä»¥åŸ·è¡Œå“ªäº›ä»»å‹™ï¼Œå¹¶é€šéŽä¿®æ”¹åƒæ•¸ä»¥å¯¦ç¾æ‰€éœ€çš„功能。逆å‘工程ç–ç•¥åˆ©ç”¨è¨ˆç®—æ¨¡åž‹å¾žåŸºå› è¡¨é”æ•¸æ“šä¸æå–åŸºå› ç·šè·¯çš„èª¿æŽ§çµæ§‹å’Œå‹•力å¸ï¼ŒæŽ¢ç´¢å¯èƒ½çš„åŸºå› èª¿æŽ§ç·šè·¯çš„é…置庫 ( å¦‚åŸºå› æ¿€æ´»æˆ–æŠ‘åˆ¶å¼·åº¦),以找到å¯ä»¥åŸ·è¡Œè©²åŠŸèƒ½çš„é…ç½®æ¢ä»¶ã€‚ä½†æ˜¯ï¼Œç”±äºŽåŸºå› ç·šè·¯é…置的數é‡éš¨åŸºå› 數é‡çš„å¢žåŠ è€Œè¿…é€Ÿå¢žåŠ ï¼Œå› æ¤é€™ç¨®æ–¹æ³•的計算é‡å·¨å¤§ï¼Œéœ€è¦ç”¨æ›´é«˜æ•ˆçš„算法來克æœé€™ä¸€æŒ‘æˆ°ã€‚è’™ç‰¹å¡æ´›æ–¹æ³•æä¾›äº†ä¸€ç¨®å¯è¡Œçš„æ›¿ä»£è§£æ±ºæ–¹æ¡ˆï¼Œå³å復鏿“‡æœ€ä½³åŸºå› ç·šè·¯åŽå°å…¶é…ç½®é€²è¡Œéš¨æ©Ÿæ›´æ”¹çš„é€²åŒ–ç®—æ³•å¯æˆåŠŸé–‹ç™¼å‡ºé«˜æ€§èƒ½çš„åŸºå› ç·šè·¯ã€‚Noman ç‰æå‡ºä¸€ç¨®åŸºäºŽè’™ç‰¹å¡æ´›çš„進化算法,å³åˆ©ç”¨è¨ˆç®—機å°è‡ªç„¶é€²åŒ–éŽç¨‹é€²è¡Œä»¿çœŸï¼Œå¾žè€Œå¿«é€ŸæŸ¥æ‰¾å°å™ªéŸ³ä¿¡æ¯å…·æœ‰é¯æ£’性的網絡拓撲 (Network Topology), 這å°äºŽè¨è¨ˆé«˜é¯æ£’性的生命系統具有較高的價值。而 Hiscock ç‰æå‡ºå°‡æ©Ÿå™¨å¸ç¿’ä¸çš„æ¢¯åº¦ä¸‹é™å„ªåŒ–ç®—æ³•æ‡‰ç”¨åˆ°åŸºå› ç·šè·¯çš„å¿«é€Ÿç¯©é¸å’Œä¸€ç³»åˆ—ä¸åŒåŠŸèƒ½çš„ç·šè·¯è¨è¨ˆä¸ã€‚2021 年,Seak ç‰å˜—試利用模擬人工神經網絡的方法è¨è¨ˆåŸºå› ç·šè·¯ï¼Œé€²ä¸€æ¥æå‡ç”Ÿç‰©è¨ˆç®—算法的潛力。
  2.3 代è¬å·¥ç¨‹
  代è¬å·¥ç¨‹æœ€æ—©ç”±ç¾Žåœ‹å¸è€… Bailey 于 1991 å¹´æå‡ºï¼Œæ˜¯æŒ‡ç”¨é‡çµ„ DNA æŠ€è¡“æœ‰ç›®çš„åœ°æ”¹é€ ä¸é–“代è¬é€”徑åŠç¶²çµ¡ï¼Œå¾žè€Œæé«˜èŒé«”ç”Ÿç‰©é‡æˆ–代è¬ç‰©ç”¢é‡ã€‚鑒于細胞代è¬ç¶²çµ¡çš„復雜性,傳統的è¨è¨ˆé€šå¸¸æ•´åˆäº†æ–‡ç»æª¢ç´¢ã€ä»£è¬å»ºæ¨¡å’Œå•Ÿç™¼å¼åˆ†æž(Heuristic Analysis) ç‰æ–¹æ³•ï¼Œä½†å› ç‚ºåžå釿œ‰é™ï¼Œå¾žæ•¸åƒå€‹ä»£è¬å應åŠå…¶èª¿æŽ§ç¶²çµ¡ç‰æµ·é‡ä¿¡æ¯ä¸æ‰¾åˆ°åˆé©çš„æ”¹é€ é¶é»žéžå¸¸å›°é›£ã€‚人工智能的集æˆå»ºæ¨¡æ–¹æ³•有助于在代è¬ç¶²çµ¡å»ºæ¨¡æ™‚兼顧動力å¸ã€èª¿ç¯€ä½œç”¨ã€æ›¿ä»£æ¨¡åž‹çµæ§‹å’Œåƒæ•¸é›†åˆç‰å› ç´ ã€‚ä¾‹å¦‚ï¼Œ 靿£’性分æžé›†æˆå»ºæ¨¡ (Ensemble Modeling For Robustness Analysis,EMRA) å°‡å‹•æ…‹å‹•åŠ›å¸æ¨¡åž‹èˆ‡é›†æˆå»ºæ¨¡æ³•çµåˆä»¥è¨è¨ˆéžå¤©ç„¶ä»£è¬è·¯å¾‘,å¯åœ¨é¸æ“‡ä»£è¬æµæ”¹é€ é¶é»žæ™‚既考慮模型性能åˆå…¼é¡§é¯æ£’æ€§ã€‚åœ¨å¤§è¦æ¨¡çš„ä»£è¬æ•¸æ“šç¯©é¸ä¸ï¼Œæ©Ÿå™¨å¸ç¿’平臺作為高通é‡åˆ†æžå·¥å…·åœ¨ä¿ƒé€²æ•¸æ“šé©…å‹•çš„ç›®æ¨™ç”Ÿç‰©åˆæˆé€”徑優化和微生物產能æé«˜æ–¹é¢å¾—到了更廣泛的應用。EcoSynther å¹³è‡ºä½¿ç”¨åæ‡‰æ•¸æ“šåº« Rhea ä¸ç´„ 10 000 æ¢è³ªé‡å’Œé›»è·å¹³è¡¡çš„忇‰ç‚ºå¤–æºå應數據æºï¼Œå¹¶æ•´åˆé‡Žç”Ÿåž‹å¤§è…¸æ¡¿èŒä»£è¬ç¶²çµ¡æ¨¡åž‹ä¸å…§æºå應,利用途徑æœç´¢çš„æ¦‚率分æžç®—法模擬生產目標化åˆç‰©çš„大腸桿èŒèŒæ ªåœ¨ä¸åŒç”Ÿé•·æ¢ä»¶ä¸‹çš„æ•´é«”代è¬ã€ç›®æ¨™åŒ–åˆç‰©åˆæˆé€”徑以åŠé‡åŒ–åˆæˆæƒ…æ³ã€‚將支æŒå‘é‡å›žæ¸å’Œå‰é¥‹ç¥žç¶“ç¶²çµ¡ç”¨äºŽå„ªåŒ–é æ¸¬ç”Ÿç”¢ä¸æ ¸ç³–é«”çµåˆä½é»žå’Œè¡¨åž‹çš„é—œè¯ï¼Œå¯å°‡å¤§è…¸æ¡¿èŒä¸æª¸æª¬çƒ¯ç”¢é‡æé«˜ 60% 以上。而將集æˆå¸ç¿’算法應用于DBTL 循環數據å¯è¼”助æé«˜å¤§è…¸æ¡¿èŒç”Ÿç”¢å二烷醇的效能 ( 效價æé«˜ 21% )。
ã€€ã€€åˆæˆç”Ÿç‰©å¸ DBTL 循環通常需è¦å¤§è¦æ¨¡é‡‡é›†å’Œåˆ†æžæ•¸æ“šï¼Œ 且循環ä¸å¾€å¾€å—åˆ°å¯¦é©—æˆæœ¬é«˜æ˜‚ã€å¯è®Šæ€§é«˜ã€é‡‡æ¨£å差以åŠå‚³çµ±æ•¸æ“šåˆ†æžæ–¹æ³•局陿€§çš„é™åˆ¶ã€‚而自動化 DBTL æµç¨‹åœ¨å¾®ç”Ÿç‰©åº•盤生化途徑的快速原型è¨è¨ˆå’Œå„ªåŒ–應用ä¸ï¼Œé›†æˆäº†ä¸€ç³»åˆ—ç¨ç‰¹çš„æ–°æŠ€è¡“組åˆï¼Œèƒ½å¤§å¤§é™ä½Žå¯¦é©—æˆæœ¬å’Œå™ªè²ï¼Œå¹¶ä¸”ä¸ä¾è³´äºŽç ”究人員å°ç”Ÿç‰©å¸æ©Ÿåˆ¶çš„ç†è§£ã€‚Pablo ç‰é–‹ç™¼çš„ DBTL å¹³è‡ºä½¿ç”¨è¨ˆç®—æ©Ÿä»¿çœŸé¸æ“‡å€™é¸é…¶ï¼Œé€šéŽè‡ªå‹•化元件è¨è¨ˆï¼Œèžåˆæ©Ÿå™¨å¸ç¿’算法集優化技術指導和機器人輔助組è£ç”ŸåŒ–途徑,隨åŽé€²è¡Œå¿«é€Ÿæ¸¬è©¦å’Œç†æ€§é‡è¨è¨ˆï¼Œåƒ…用兩個 DBTL å¾ªç’°å°±èƒ½å¤§è¦æ¨¡å£“縮å¯èƒ½çš„åƒæ•¸å’Œè®Šæ•¸çµ„æ…‹ (Configuration) 數目,將大腸桿èŒçš„類黃酮產é‡è¼ƒä»¥å¾€å ±é“的水平æé«˜äº† 500 å€ã€‚Hamedirad ç‰é–‹ç™¼äº†ä¸€å€‹è€¦åˆè²è‘‰æ–¯å„ªåŒ–ç‰æ©Ÿå™¨å¸ç¿’ç®—æ³•çš„é›†æˆæ©Ÿå™¨äººå¹³è‡ºâ€”—BioAutoMata,并用于 DBTL å¾ªç’°å„ªåŒ–ç•ªèŒ„ç´…ç´ çš„ç”Ÿç‰©åˆæˆé€”å¾‘ã€‚å¯¦é©—è‰æ˜Žï¼Œåƒ…測試ä¸åˆ° 1% çš„å¯èƒ½è®Šç•°é«”å°±èƒ½ç™¼æŽ˜é«˜ç”¢èŒæ ªï¼Œå…¶ç”¢é‡è¶…å‡ºéš¨æ©Ÿç¯©é¸æ³•é¸å‡ºçš„æœ€å„ªèŒæ ªç”¢é‡çš„77%。
  由于ä¸åŒå¾®ç”Ÿç‰©ä¹‹é–“的差異,目標化åˆç‰©çš„產é‡å’Œåˆæˆé€”徑也å¯èƒ½å› 底盤的ä¸åŒè€Œç•°ã€‚除了上述以大腸桿èŒä½œç‚ºåº•盤, Zhou ç‰åŸºäºŽäººå·¥ç¥žç¶“網絡和 YeastFab çµ„è£æŠ€è¡“çµ„åˆåœ¨é‡€é…’é…µæ¯ä¸å„ªåŒ–外æºä»£è¬é€”徑來æé«˜ç›®æ¨™ä»£è¬ç‰©çš„產é‡ã€‚æ¤å¤–, 一種基于è²è‘‰æ–¯å„ªåŒ–的自動推薦工具—— ART(Automated Recommendation Tool) 使得酵æ¯ä¸è‰²æ°¨é…¸çš„æ•ˆåƒ¹å’Œç”Ÿç”¢çއæå‡æ¯”ä¾‹åˆ†åˆ¥é«˜é” 74% å’Œ 43%。該工具利用機器å¸ç¿’å’Œæ¦‚çŽ‡å»ºæ¨¡æŠ€è¡“ä»¥ç³»çµ±çš„æ–¹å¼æŒ‡å°Žåˆæˆç”Ÿç‰©å¸ï¼Œè€Œç„¡éœ€å°ç”Ÿå‘½ç³»çµ±æœ‰å®Œæ•´çš„ç†è§£ [59]。Ding ç‰é–‹ç™¼çš„ç”Ÿç‰©å¸æŽ¨ç†ç³»çµ± CF- Targeter 基于已有代è¬å應庫,利用途徑æœç´¢ç®—法(Pathway- Searching Algorithm) å°æ¯å€‹ç›®æ¨™åŒ–åˆç‰©åŸ·è¡Œ 1400 000 次æœç´¢ï¼Œå¯ç‚ºæŒ‡å®šçš„目標化åˆç‰©é¸æ“‡åˆé©çš„底盤。
  2.4 åŸºå› çµ„å·¥ç¨‹
  
  圖 2 äººå·¥æ™ºèƒ½æ‡‰ç”¨äºŽåˆæˆç”Ÿç‰©å¸çš„æŒ‘戰
ã€€ã€€éš¨è‘—åŸºå› æ¸¬åºã€DNA åˆæˆå’ŒåŸºå› ç·¨è¼¯ç‰æŠ€è¡“çš„ç™¼å±•ï¼Œåˆæˆç”Ÿç‰©å¸èƒ½å°ç”Ÿç‰©é«”çš„æ•´å€‹åŸºå› çµ„ç”šè‡³ç´°èƒžé€²è¡Œå·¥ç¨‹æ”¹é€ ï¼Œå¾žè€Œç‚ºç›´æŽ¥æŽ¢æ¸¬åŸºå› åž‹å’Œè¡¨åž‹ä¹‹é–“çš„é—œç³»æä¾›æ–°å·¥å…·ï¼Œå¹¶ç‚ºäº†è§£ç”Ÿç‰©é«”åŸºå› çµ„å¾©é›œåŠŸèƒ½é«”ç³»æä¾›ä¸€ç¨®å…¨æ–°çš„æ–¹å¼ã€‚åœ¨åŸºå› çµ„å·¥ç¨‹é ˜åŸŸï¼Œåˆæˆç”Ÿç‰©å¸èˆ‡è¨ˆç®—機技術的最早交互是通éŽä¸€ç³»åˆ— Perl 腳本è¨è¨ˆéœ€æ”¹é€ 的染色體åºåˆ—åŠå¯¦ç¾åˆ†å±¤çµ„è£ç–略。2018 年,Wang ç‰æå‡ºä½¿ç”¨è¨ˆç®—æ©Ÿä»¿çœŸè‡ªä¸Šè€Œä¸‹åœ°åˆæˆæœ€å°åŒ–åŸºå› çµ„ï¼Œåˆ©ç”¨æ··åˆæ•´æ•¸ç·šæ€§è¦åŠƒ (Mixed-Integer Linear Programming) æ¨™è¨˜å·²çŸ¥çš„å¿…éœ€åŸºå› æˆ–å°Žè‡´é¡¯è‘—é©æ‡‰æ€§æå¤±çš„åŸºå› ï¼Œé¿å…åˆæˆè‡´æ»ç¼ºå¤±ï¼Œå¹¶åœ¨å¤§è…¸æ¡¿èŒä¸æˆåŠŸé©—è‰ã€‚
ã€€ã€€é™¤äº†åŸºå› çµ„åˆæˆå¤–, åŸºå› çµ„ç·¨è¼¯ã€å¾®ç”Ÿç‰©çµ„或群è½çš„è¨è¨ˆä¹Ÿæ¶‰åŠåˆæˆç”Ÿç‰©å¸èˆ‡äººå·¥æ™ºèƒ½æŠ€è¡“的交互。2018 年, DeepCRISPR é€šéŽæ·±åº¦å¸ç¿’實ç¾å° sgRNA çš„é¶é»žå’Œé¶é»žå¤–é æ¸¬ï¼Œè¶…越了其他軟件工具的準確性,這將有助于實ç¾é«˜éˆæ•度和高特異性的 sgRNA 優化è¨è¨ˆå¹¶æ‡‰ç”¨äºŽç²¾æº–ç·¨è¼¯åŸºå› çµ„ã€‚äººå·¥æ™ºèƒ½è¼”åŠ©åˆæˆç”Ÿç‰©å¸æŠ€è¡“在調節腸é“益生èŒçš„æ²»ç™‚和營養方é¢ä¹Ÿå±•ç¾å‡ºä¸€å®šåƒ¹å€¼ã€‚例如,將來自å¥åº·äººç¾¤å’Œè…¸é“疾病患者的腸é“å¾®ç”Ÿç‰©çµ„çš„å…ƒåŸºå› çµ„æ•¸æ“šèˆ‡æ©Ÿå™¨å¸ç¿’算法( 如é‚輯回æ¸ã€éš¨æ©Ÿæ£®æž—和支æŒå‘釿©Ÿç‰ ) å”åŒå»ºæ¨¡ï¼Œå¯ä»¥æ›´å¥½åœ°ä¿ƒé€²å¥åº·ã€å…ç–«ã€æ¶ˆåŒ–ã€å¤§è…¦åŠŸèƒ½ç‰æ–¹é¢çš„ç ”ç©¶ã€‚2021 年,Karkaria ç‰ä»¥åˆæˆç”Ÿç‰©å¸ä¸çš„計算環路è¨è¨ˆç‚ºåŸºç¤Žï¼Œå€ŸåŠ©è¿‘ä¼¼è²è‘‰æ–¯è¨ˆç®—(Approximate Bayesian Computation) å’Œè’™ç‰¹å¡æ´›é‡‡æ¨£æ³•çš„æ¨¡åž‹é¸æ“‡å’Œåƒæ•¸å„ªåŒ–算法,æå‡ºäº†è‡ªå‹•åŒ–åˆæˆå¾®ç”Ÿç‰©å…±ç”Ÿç³»çµ±è¨è¨ˆå™¨ï¼Œå¹¶æ§‹å»ºç©©å®šçš„é›™èŒå’Œä¸‰èŒå…±ç”Ÿç³»çµ±ã€‚該方法ä¸ä½†èƒ½çµ¦å‡ºæ§‹å»ºç©©å®šå…±ç”Ÿç³»çµ±çš„基本è¨è¨ˆåŽŸå‰‡ï¼Œè€Œä¸”èƒ½æç¤ºæŽ§åˆ¶å…±ç”Ÿç³»çµ±çµ„æˆçš„é—œéµåƒæ•¸ã€‚
  3 äººå·¥æ™ºèƒ½èˆ‡åˆæˆç”Ÿç‰©å¸äº¤å‰ç ”究的關éµç“¶é ¸åŠæœªä¾†æ–¹å‘
  人工智能作為一門快速發展的新興å¸ç§‘ï¼Œå…¶æ•¸å¸æ¨¡åž‹çš„訓練主è¦åŸºäºŽæ•¸æ“šé©…動。然而,當å‰åˆæˆç”Ÿç‰©å¸ç ”ç©¶å˜åœ¨æ•¸æ“šä¾†æºå»£ã€æ•¸æ“šå½¢å¼ç•°æ§‹ã€é«˜è³ªé‡è¨“練數據ä¸è¶³ç‰å•é¡Œï¼Œé€™å°Žè‡´å°æ•¸æ“šç¨€ç–監ç£ä¸‹äººå·¥æ™ºèƒ½æ¨¡åž‹é›£ä»¥å¾—åˆ°æœ‰æ•ˆè¨“ç·´ã€‚é‘’äºŽç”Ÿå‘½ç³»çµ±æ¥µå…¶å¾©é›œï¼Œå¾ˆé›£ç”¨å‚³çµ±æ•¸å¸æ¨¡åž‹ç²¾ç¢ºæè¿°ï¼Œç•¶å‰æŠ€è¡“ä»ç„¡æ³•æœ‰æ•ˆé æ¸¬å¾©é›œçš„åŸºå› ç·šè·¯ã€‚æ§‹å»ºå·¥ç¨‹åŒ–å¹³è‡ºæ˜¯åˆæˆç”Ÿç‰©ç³»çµ±çš„é‡è¦ç ”究手段,但當å‰å·¥ç¨‹åŒ–試錯å˜åœ¨æ¨™æº–化的數據缺ä¹ã€æµ·é‡çš„試錯空間ã€å®šé‡çš„è¡¨å¾æ‰‹æ®µè¼ƒå°‘ç‰å•題,且智能化試錯ã€å„ªåŒ–ã€å¸ç¿’çš„ç†è«–支æ’ä¸è¶³ï¼Œå·¥ç¨‹åŒ–平臺ä»ç„¡æ³•æœ‰æ•ˆæŒ‡å°Žåˆæˆç”Ÿç‰©ç³»çµ±çš„è¨è¨ˆèˆ‡æ”¹é€ ( 圖 2)。本å°ç¯€å°‡ä»‹ç´¹äººå·¥æ™ºèƒ½æŠ€è¡“èˆ‡åˆæˆç”Ÿç‰©å¸çš„交å‰ç ”究在數據標準化ã€è©¦éŒ¯æ™ºèƒ½åŒ–ã€å¯¦é©—自動化ã€é 測精準化方é¢å˜åœ¨çš„æŒ‘戰。
  3.1 數據標準化
ã€€ã€€åˆæˆç”Ÿç‰©å·¥ç¨‹è‡ªå‹•化水平低,很大程度上å—é™äºŽå¾©é›œçš„生命系統下用于人工智能模型訓練的標準化數據。例如,在生物信æ¯ç³»çµ±ä¸ï¼Œè½‰éŒ„調控和å…疫信號轉導網絡數據通常å˜åœ¨é¡žåž‹ä¸çµ±ä¸€ã€æœ‰æ•ˆæ•¸æ“šç¼ºä¹å’Œæ•¸æ“šå±¤æ¬¡å¤šç‰å•é¡Œï¼Œä¸”ç¾æœ‰çš„KEGGã€GO ç‰å…¬å…±æ•¸æ“šåº«ã€å…¬é–‹æ–‡ç»æ•¸æ“šåŠå¯¦é©—çµæžœå饋的數據標準ä¸çµ±ä¸€ï¼Œé€™éœ€è¦ç ”發構建多æºèžåˆçš„æ¨™æº–åˆæˆç”Ÿç‰©å…ƒä»¶ä¿¡æ¯åº«çš„æ–¹æ³•和技術,æä¾›æ™ºèƒ½åŒ–æŸ¥è©¢ã€æª¢ç´¢å’ŒæŽ¨è–¦ç‰åŠŸèƒ½ã€‚é«˜æ•ˆåˆ©ç”¨å…¬é–‹æ•¸æ“šåº«ä¹Ÿæ˜¯ç‚ºæ©Ÿå™¨å¸ç¿’算法æä¾›è¨“練數據的有效手段。在標準化數據的支æŒä¸‹ï¼Œæ©Ÿå™¨å¸ç¿’算法具有挖掘更多生物元件的潛力——采用生物信æ¯å¸ä»¥åŠåŸºå› æ•¸æ“šæŒ–æŽ˜æŠ€è¡“ï¼Œå¾žå·²æœ‰çš„å…ƒä»¶åº«å’ŒæœªçŸ¥å¾®ç”Ÿç‰©ä¸æŒ–掘更多的生物元件:çµåˆç”Ÿç‰©å¸å¯¦é©—,將已有的生物元件作為輸入,è¨è¨ˆå¹¶è¨“練機器å¸ç¿’模型,挖掘已有元件的模å¼ï¼Œç”¨äºŽæŒ‡å°Žç›¸æ‡‰å…ƒä»¶é€²è¡Œä¿®é£¾ã€é‡çµ„å’Œæ”¹é€ ï¼Œå¾žè€Œç”Ÿæˆæ–°çš„生物元件信æ¯è³‡æºã€‚然而,ç¾å¯¦ä¸å˜åœ¨è‘—æµ·é‡çš„還未發ç¾çš„è‡ªç„¶å…ƒä»¶æ•¸æ“šï¼Œé€™éœ€è¦æˆ‘å€‘ç ”ç™¼ç”¨äºŽæœªçŸ¥å…ƒä»¶æ•¸æ“šçš„è‡ªå‹•åŒ–æ³¨é‡‹èˆ‡æ¨™æ³¨çš„æ©Ÿå™¨å¸ç¿’方法。
  3.2 試錯智能化
  智能試錯利用 DBTL 閉環ä¸ç”¢ç”Ÿçš„æ•¸æ“šï¼Œé¸æ“‡ä¸‹ä¸€å€‹è¿ä»£çš„實驗è¨è¨ˆï¼Œå¯ä»¥æé«˜å¯¦é©—數據質é‡ï¼Œæ¸›å°‘估計誤差。上述éŽç¨‹é©åˆåˆ©ç”¨å¼·åŒ–å¸ç¿’ç‰å„ªåŒ–決ç–ç†è«–框架進行建模,目標是輸出累ç©çŽå‹µæœ€é«˜çš„實驗è¨è¨ˆåºåˆ—ã€‚ç„¶è€Œï¼Œç”±äºŽåˆæˆç”Ÿç‰©å¯¦é©—é€šå¸¸æ™‚é–“è·¨åº¦å¤§ã€æˆæœ¬é«˜ï¼ŒDBTL è¿ä»£æ¬¡æ•¸æœ‰é™ï¼Œå¯ç”¨äºŽè¨“練強化å¸ç¿’æ±ºç–æ¨¡åž‹çš„æ•¸æ“šæ¥µåº¦ä¸è¶³ã€‚å› æ¤ï¼Œè§£æ±ºå°æ•¸æ“šèˆ‡å¢žé‡æ•¸æ“šæ¢ä»¶ä¸‹çš„æ–¹æ¡ˆå„ªåŒ–å•é¡Œæ˜¯åˆæˆç”Ÿç‰©ç³»çµ±è¨è¨ˆã€è©¦éŒ¯æ™ºèƒ½åŒ–çš„ç“¶é ¸å•題。機器å¸ç¿’é ˜åŸŸä¸ä¸€äº›å°æ•¸æ“šé›†ä¸‹æ¨¡åž‹è¨“ç·´çš„ç†è«–框架具有應å°ä¸Šè¿°æŒ‘戰的潛力:分級強化的ç†å¿µå¯æ¸›è¼•ç”±äºŽåˆæˆç”Ÿç‰©ç³»çµ±ç‹€æ…‹å’Œå¯ç”¨æ”¹é€ 手段的數é‡å·¨å¤§ï¼Œå°Žè‡´å¯¦é©—軌跡數據相å°ç¨€ç–å•題;生æˆå°æŠ—å¸ç¿’框架產生高質é‡çš„實驗軌跡å¯è§£æ±ºç¨€ç–實驗軌跡數據帶來訓練ä¸è¶³çš„å•題;é·ç§»å¸ç¿’框架也å¯å¾©ç”¨å·²æœ‰ç›¸è¿‘æºåŸŸçš„實驗數據 / 模型,解決目標域由于稀ç–實驗軌跡數據無法有效訓練è¨è¨ˆç–略模型的å•題。將上述通用ç†è«–æ¡†æž¶èˆ‡åˆæˆç”Ÿç‰©é ˜åŸŸå ´æ™¯ç›¸çµåˆï¼Œå¯ç™¼å±•出一系列æœå‹™äºŽè©¦éŒ¯æ™ºèƒ½åŒ–的新型機器å¸ç¿’算法。
  3.3 實驗自動化
  實驗自動化旨在è¨è¨ˆå°ˆç”¨çš„人工智能技術以æé«˜ DBTL é–‰ç’°ä¸æ§‹å»ºå’Œæ¸¬è©¦å…©å€‹ç’°ç¯€çš„æ§‹å»ºæ•ˆçŽ‡å’Œæ¸¬è©¦è³ªé‡ã€‚構建環節主è¦ä¾è³´äºŽé«˜éˆæ´»åº¦çš„å”è°ï¼Œå„ªåŒ–構建è¦åŠƒèˆ‡è³‡æºèª¿åº¦å’Œæé«˜è‡ªå‹•åŒ–åŸ·è¡Œçš„èƒ½åŠ›ã€‚ç ”ç©¶æ©Ÿå™¨äººã€ä¸ç¢ºå®šæ€§ç’°å¢ƒä¸‹çš„優化è¦åŠƒç‰äººå·¥æ™ºèƒ½æŠ€è¡“坿¸›å°‘人工干é ã€æé«˜æ§‹å»ºçš„æ•ˆçŽ‡ã€‚æ¸¬è©¦ç’°ç¯€ä¸»è¦æª¢é©—åŸºå› æ”¹é€ åŽç´°èƒžçš„行為是å¦ç¬¦åˆé 期。其ä¸ï¼Œæœ€å¤§çš„æŒ‘æˆ°æ˜¯å¦‚ä½•æº–ç¢ºå»ºç«‹èµ·åŸºå› åž‹èˆ‡è¡¨åž‹ä¹‹é–“çš„è¯ç³»ã€‚例如,定é‡åœ°å»ºç«‹ä»£è¡¨æ€§çœŸæ ¸ç´°èƒžã€åŽŸç”Ÿç”Ÿç‰©ã€ç—…æ¯’åŸºå› åž‹å’Œè¡¨åž‹ ( åŸºå› è½‰éŒ„æ°´å¹³ã€è›‹ç™½è¡¨é”é‡ã€å°åˆ†å生æˆé‡ã€å€‹é«”生å˜å’ŒåŠŸèƒ½æ°´å¹³ ) 之間的關系。é¢å‘å¤šå ´æ™¯çš„åˆæˆç”Ÿç‰©è‡ªå‹•åŒ–è¨æ–½çš„å‡ç´šã€æ”¹é€ 和集æˆç‰çµ¦å¯¦é©—自動化帶來了巨大的技術挑戰。實ç¾å¯¦é©—自動化å¯ç¢ºä¿é«˜é€šé‡çš„å¯¦é©—æ•¸æ“šæºæºä¸æ–·åœ°é€²å…¥ DBTL 閉環ä¸ï¼Œé©…動循環,從而促使å„å€‹ç’°ç¯€ä¸æ©Ÿå™¨å¸ç¿’方法æé«˜æ€§èƒ½ã€‚
  3.4 é æ¸¬ç²¾æº–化
ã€€ã€€ç”±äºŽåˆæˆç”Ÿç‰©ç³»çµ±å¾©é›œåº¦é«˜ ( å¯ç²å–的數據極其復雜,通常具有數以è¬è¨ˆçš„è®Šé‡ ),數據總é‡å»åš´é‡ä¸è¶³ï¼Œæ‰€ä»¥é›£ä»¥è¨“練出一個高精度的機器å¸ç¿’模型。é·ç§»å¸ç¿’æ˜¯åœ¨å°‘é‡æ•¸æ“šæ¢ä»¶ä¸‹é€šéŽé·ç§»ç›¸é—œçš„å…©å€‹æˆ–å¤šå€‹é ˜åŸŸä¹‹é–“çš„çŸ¥è˜çµæ§‹é€²è¡Œæ¨¡åž‹æœ‰æ•ˆè¨“練的一種æ€è·¯ã€‚例如,æè¿°ä¸åŒåˆæˆç”Ÿç‰©ç³»çµ±ç”Ÿç‰©å…ƒä»¶çš„åŸºå› æ°´å¹³ä¸Šçš„èª¿æŽ§ä¿¡æ¯ã€è›‹ç™½è³ªæ°´å¹³ä¸Šçš„相互作用和翻è¯åŽä¿®é£¾ä¿¡æ¯ç‰ï¼Œå¯åœ¨ç¨€ç–數據æ¢ä»¶ä¸‹æé«˜é 測準確性。æ¤å¤–ï¼Œè¨±å¤šé æ¸¬èƒ½åŠ›å¼·çš„æ©Ÿå™¨å¸ç¿’模型 ( 圖å·ç©ç¥žç¶“ç¶²çµ¡ç‰ ) å˜åœ¨â€œé»‘ç›’å•題â€ï¼Œé›£ä»¥å¾žç”Ÿç‰©å¸è§’åº¦å°æ¨¡åž‹è¼¸å‡ºé€²è¡Œè§£é‡‹ï¼Œé€™é˜»ç¤™äº†æ©Ÿå™¨å¸ç¿’模型發ç¾ç”Ÿç‰©å¸å…§åœ¨æ©Ÿåˆ¶çš„èƒ½åŠ›ã€‚åˆæˆç”Ÿç‰©æ‡‰ç”¨å˜åœ¨å¤§é‡çš„é ˜åŸŸçŸ¥è˜ï¼Œé€šéŽèžåˆæ©Ÿå™¨å¸ç¿’æ¨¡åž‹èˆ‡é ˜åŸŸå…§çŸ¥è˜å¯ä»¥æ›´å¥½åœ°ç†è§£å…§éƒ¨æ©Ÿåˆ¶ï¼Œæé«˜é 測的精準度。而通éŽå°ç”Ÿç‰©å…§éƒ¨æ©Ÿåˆ¶çš„ç†è§£ä¹Ÿå¯ç‚ºå»ºç«‹å…¨æ–°çš„人工智能算法帶來啟發,如å°é€²åŒ–生物å¸ã€è…¦ç§‘å¸å’Œè¡Œç‚ºç§‘å¸çš„ç ”ç©¶å•Ÿç™¼äº†é€²åŒ–è¨ˆç®—ã€äººå·¥ç¥žç¶“網絡以åŠå¼·åŒ–å¸ç¿’ç‰æ©Ÿå™¨å¸ç¿’ç†è«–ã€‚åˆæˆç”Ÿç‰©ç³»çµ±ä¸é€šéŽåŸºå› 間的精密相互交互,動態形æˆèª¿æŽ§ç¶²çµ¡ï¼Œå¾žè€Œç”¢å‡ºç›®æ¨™å› å的工作方å¼ï¼Œæç¤ºäº†ç²—放型的傳統機器å¸ç¿’模型——ä¾è³´å¤§é‡æ•¸æ“šã€å¸ç¿’內在模å¼çš„æ–¹å¼å·²ç„¡æ³•æ»¿è¶³éœ€æ±‚ï¼ŒäºŸéœ€ç ”ç©¶å¯ç²¾ç¢ºèžåˆé ˜åŸŸçŸ¥è˜çš„æ–°åž‹é€šç”¨æ©Ÿå™¨å¸ç¿’算法框架。
  
圖 3 åŸºäºŽäººå·¥æ™ºèƒ½çš„â€œé¡žåˆæˆç”Ÿç‰©å¸å®¶â€æ¦‚念
  3.5 四大挑戰間的è¯ç³»
  解決數據標準化ã€è©¦éŒ¯æ™ºèƒ½åŒ–ã€å¯¦é©—自動化ã€é 測精準化四大挑戰是相輔相æˆçš„。解決數據標準化挑戰,建立起動態èžåˆçš„知è˜åº«ï¼Œå¯ä»¥ä½œç‚ºå…¶ä»–三個方é¢é–‹å±•的基礎。其ä¸ï¼Œé«˜é€šé‡å¯¦é©—æ•¸æ“šçš„é‡‡é›†åŠæ™ºèƒ½è©¦éŒ¯æŠ€è¡“進行優化,å¯ç‚ºé 測模型æä¾›æ•¸æ“šæ¨™æº–ã€‚è€Œè§£æ±ºè©¦éŒ¯æ™ºèƒ½åŒ–çš„æŒ‘æˆ°å‰‡å¯åœ¨å°æ•¸æ“šç¨€ç–監ç£ä¸‹åˆ©ç”¨äººå·¥æ™ºèƒ½æœ‰æ•ˆæŒ‡å°Žå¯¦é©—è¨è¨ˆï¼Œæé«˜å…ƒä»¶åº«ä¸æ–°å…ƒä»¶çš„æŒ–æŽ˜æ•ˆçŽ‡ä»¥åŠæ¨™æº–化建庫的質é‡;æµ·é‡è¨è¨ˆæ–¹æ¡ˆç©ºé–“çš„å„ªåŒ–æŽ¢ç´¢ï¼Œä¹Ÿå¯æé«˜æ§‹å»ºåˆæˆç”Ÿç‰©ç³»çµ±é 測模型的效率。解決實驗自動化挑戰,實ç¾é«˜é€šé‡å¯¦é©—ä¾†å¢žåŠ è¨“ç·´æ•¸æ“šç¸½é‡ï¼Œå¾žæºé ä¸Šç‚ºæ™ºèƒ½è©¦éŒ¯ç®—æ³•å’Œé æ¸¬æ¨¡åž‹ç·©è§£å°æ•¸æ“šèˆ‡ç¨€ç–監ç£çš„å•é¡Œã€‚è§£æ±ºé æ¸¬ç²¾æº–åŒ–æŒ‘æˆ°ï¼Œå¯æ ¹æ“šåŸºå› åž‹å°åˆæˆç”Ÿç‰©ç³»çµ±è¡¨ç¾åž‹é€²è¡Œç²¾æº–é æ¸¬ï¼Œä»¥æ¤é¡¯è‘—æå‡å¼·åŒ–å¸ç¿’模型ç–略效率,從而減少å°çœŸå¯¦å¯¦é©—數據的ä¾è³´ã€‚解決上述挑戰å¯åŠ©åŠ›æ§‹å»ºåŸºäºŽäººå·¥æ™ºèƒ½å®Œæˆ DBTL é–‰ç’°çš„â€œé¡žåˆæˆç”Ÿç‰©å¸å®¶â€æ™ºèƒ½é«” ( 圖 3)ï¼Œä¸æ–·åœ¨å¾ªç’°éŽç¨‹ä¸é€²è¡Œå¸ç¿’與試錯優化,從而在數據標準化ã€å¯¦é©—自動化ã€é 測精準化方é¢å¤§å¤§é™ä½ŽçœŸå¯¦ç”Ÿç‰©å¸å¯¦é©—çš„è©¦éŒ¯ç©ºé–“å’Œæˆæœ¬ã€‚
  4 總çµèˆ‡å±•望
ã€€ã€€äººå·¥æ™ºèƒ½èˆ‡åˆæˆç”Ÿç‰©å¸äº¤å‰èžåˆçš„ç ”ç©¶å·¥ä½œä»è™•于發軔之始階段:(1) å¸¸ç”¨äºŽå¯¦ç¾æ™ºèƒ½åŒ–元件工程ã€ç·šè·¯å·¥ç¨‹ã€ä»£è¬å·¥ç¨‹å’ŒåŸºå› 組工程的底盤生物ä»å±€é™äºŽå¤§è…¸æ¡¿èŒå’Œé‡€é…’é…µæ¯;(2)å…¨åŸºå› çµ„ã€å¾®ç”Ÿç‰©çµ„æˆ–ç¾¤è½æ°´å¹³çš„æ™ºèƒ½åŒ–è¨è¨ˆå’Œåˆæˆä»å¯¥å¯¥ç„¡å¹¾;(3) äººå·¥æ™ºèƒ½èˆ‡åˆæˆç”Ÿç‰©å¸çš„èžåˆå¤šç™¼ç”ŸäºŽ DBTL 循環的個別æ¥é©Ÿï¼Œè€Œ DBTL å…¨å¾ªç’°å¯¦ç¾æ™ºèƒ½åŒ–çš„ç ”ç©¶ä»å±ˆæŒ‡å¯æ•¸ã€‚å¯å–œçš„æ˜¯ï¼Œ2020 年國家é‡é»žç ”ç™¼è¨ˆåŠƒâ€œåˆæˆç”Ÿç‰©å¸â€å°ˆé …ç«‹é …å單䏿¶Œç¾äº†ä¸€æ‰¹åˆæˆç”Ÿç‰©å¸èˆ‡æ™ºèƒ½ç®—法èžåˆçš„é …ç›®ï¼ŒåŒ…æ‹¬â€œåŸºäºŽåˆæˆç”Ÿç‰©å¸çš„æ–°åž‹æ´»ç–«è‹—è¨è¨ˆèˆ‡é–‹ç™¼â€ã€â€œé¢å‘åˆæˆç”Ÿç‰©ç³»çµ±æµ·é‡å·¥ç¨‹è©¦éŒ¯å„ªåŒ–çš„äººå·¥æ™ºèƒ½ç®—æ³•ç ”ç©¶èˆ‡æ‡‰ç”¨â€ã€â€œæ•¸å—細胞建模與人工模擬â€ã€â€œæ–°è›‹ç™½è³ªå…ƒä»¶äººå·¥è¨è¨ˆåˆæˆåŠæ‡‰ç”¨â€ã€â€œæ£äº¤åŒ–蛋白質復åˆç‰©å…ƒä»¶çš„人工è¨è¨ˆæ§‹å»ºèˆ‡æ‡‰ç”¨â€ç‰ã€‚值得關注的是,“é¢å‘åˆæˆç”Ÿç‰©ç³»çµ±æµ·é‡å·¥ç¨‹è©¦éŒ¯å„ªåŒ–çš„äººå·¥æ™ºèƒ½ç®—æ³•ç ”ç©¶èˆ‡æ‡‰ç”¨â€é …目通éŽé–‹ç™¼å…·æœ‰æŒçºŒå¸ç¿’能力的自動化海é‡è©¦éŒ¯å„ªåŒ–å¹³è‡ºå¯¦ç¾ DBTL 全循環智能化,利用人工智能的優勢給工æ¥åˆæˆç”Ÿç‰©å¸å’Œé†«å¸åˆæˆç”Ÿç‰©å¸é ˜åŸŸç ”究帶來新的æ€è·¯ï¼Œå¹¶çµåˆåˆæˆç”Ÿç‰©å¸çš„ç‰¹è‰²åœ¨å¾®è—»æ²¹è„‚ç´°èƒžå·¥å» ã€å›ºæœ‰å…疫細胞ã€äººé€ 噬èŒé«”ä¸‰å¤§ç”Ÿç‰©å¸æ‡‰ç”¨å ´æ™¯ä¸‹é–‹å±•äººå·¥æ™ºèƒ½çš„ç®—æ³•ç ”ç©¶ã€‚å—é™äºŽç”Ÿå‘½ç³»çµ±å…§éƒ¨æ©Ÿç†å¾©é›œä»¥åŠåˆæˆç”Ÿç‰©å¯¦é©—å‘¨æœŸé•·ã€æˆæœ¬é«˜ï¼Œä»¥åŠé©åˆè¨“ç·´äººå·¥æ™ºèƒ½æ–¹æ³•çš„æ•¸æ“šé‡æ¥µåº¦ä¸è¶³ï¼Œç¾æœ‰çš„æ©Ÿå™¨å¸ç¿’方法å‡ä¸è¶³ä»¥æ”¯æŒé«˜ç²¾åº¦é 測和實驗è¨è¨ˆå„ªåŒ–ã€‚å› æ¤ï¼Œç ”ç©¶å°æ•¸æ“š / 零數據下的æœå‹™äºŽæµ·é‡å·¥ç¨‹è©¦éŒ¯çš„強化å¸ç¿’模型ã€å…·æœ‰ç”Ÿç‰©å¯è§£é‡‹æ€§çš„æ©Ÿå™¨å¸ç¿’é æ¸¬æ¨¡åž‹ï¼Œå¯åŒæ™‚ä¿ƒé€²äººå·¥æ™ºèƒ½å’Œåˆæˆç”Ÿç‰©å¸å…©å¤§é ˜åŸŸçš„ç™¼å±•ã€‚é€šéŽæ•¸æ“šé©…å‹•åŠæŒçºŒå¸ç¿’ï¼Œâ€œé¡žåˆæˆç”Ÿç‰©å¸å®¶â€ä¾ç…§ DBTL 循環ç–略,部署多種基于人工智能的工具進行工程化的海é‡è©¦éŒ¯ï¼Œå¯åœ¨å¿«é€Ÿåˆæˆå…·å‚™ç›®æ¨™åŠŸèƒ½çš„ç”Ÿå‘½ç³»çµ±çš„åŒæ™‚åµåŒ–æ™ºèƒ½æŠ€è¡“çš„é©æ–°ã€‚
  
ã€€ã€€æŽæ• 1,2# æž—åæ° 3# 廖文斌 3 é™³å»·æŸ 3 æŽå …å¼· 3* 陳 æ° 3* è‚–æ•é³³ 1,4*
  1 深圳è¯å¤§ç”Ÿå‘½ç§‘å¸ç ”究院
  2 ä¸åœ‹ç§‘å¸é™¢å¤§å¸ç”Ÿå‘½ç§‘å¸å¸é™¢
  3 深圳大å¸è¨ˆç®—機與軟件å¸é™¢
  4 深圳市未知病原體應急檢測é‡é»žå¯¦é©—å®¤è½‰è¼‰è‡ªã€Šé›†æˆæŠ€è¡“ã€‹
上一篇:ZDevelop:機器視覺 + é‹å‹•控...
下一篇:無刷直æµé›»æ©Ÿåœ¨å·¥æ¥æ©Ÿå™¨äººçš„æ‡‰ç”¨
ä¸åœ‹å‚³å‹•網版權與å…è²¬è²æ˜Žï¼šå‡¡æœ¬ç¶²æ³¨æ˜Ž[來æºï¼šä¸åœ‹å‚³å‹•ç¶²]的所有文å—ã€åœ–片ã€éŸ³è¦–å’Œè¦–é »æ–‡ä»¶ï¼Œç‰ˆæ¬Šå‡ç‚ºä¸åœ‹å‚³å‹•ç¶²(www.hysjfh.com)ç¨å®¶æ‰€æœ‰ã€‚如需轉載請與0755-82949061è¯ç³»ã€‚任何媒體ã€ç¶²ç«™æˆ–å€‹äººè½‰è¼‰ä½¿ç”¨æ™‚é ˆæ³¨æ˜Žä¾†æºâ€œä¸åœ‹å‚³å‹•ç¶²â€ï¼Œé•å者本網將追究其法律責任。
本網轉載并注明其他來æºçš„稿件,å‡ä¾†è‡ªäº’è¯ç¶²æˆ–æ¥å…§æŠ•稿人士,版權屬于原版權人。轉載請ä¿ç•™ç¨¿ä»¶ä¾†æºåŠä½œè€…ï¼Œç¦æ¢æ“…自篡改,é•è€…è‡ªè² ç‰ˆæ¬Šæ³•å¾‹è²¬ä»»ã€‚
相關資訊