cameo

Cameo - الهندسة الأيضية بمساعدة الكمبيوتر والتحسين

ما هو النقش؟

Cameo هي مكتبة لغة بايثون رفيعة المستوى تم تطويرها للمساعدة في عملية تصميم السلالة في مشاريع الهندسة الأيضية. توفر المكتبة إطارًا معياريًا لأساليب المحاكاة وتصميم الضغط الذي يستهدف المطورين الذين يرغبون في تطوير خوارزميات تصميم جديدة وسير عمل التحليل المخصص. علاوة على ذلك، فإنه يعرض واجهة برمجة تطبيقات عالية المستوى للمستخدمين الذين يريدون فقط حساب تصميمات السلالات الواعدة.

فضولي؟ توجه إلى موقع Try.cameo.bio وقم بتجربته.

يرجى الاستشهاد بـ https://doi.org/10.1021/acssynbio.7b00423 إذا كنت قد استخدمت حجابًا في منشور علمي.

تثبيت

استخدم النقطة لتثبيت Cameo من PyPI.

 $ نقطة تثبيت حجاب

في حالة قيامك بتنزيل أو استنساخ الكود المصدري من GitHub أو من شوكة خاصة بك، يمكنك تشغيل ما يلي لتثبيت Cameo للتطوير.

 $ pip install -e <path-to-cameo-repo> # موصى به

قد تحتاج إلى تشغيل هذه الأوامر بامتيازات إدارية إذا كنت لا تستخدم بيئة افتراضية (باستخدام sudo على سبيل المثال). يرجى التحقق من الوثائق لمزيد من التفاصيل.

التوثيق والأمثلة

الوثائق متاحة على Cameo.bio. توفر العديد من دفاتر ملاحظات Jupyter أمثلة وبرامج تعليمية وتشكل أيضًا جزءًا من الوثائق. وهي متاحة أيضًا في شكل قابل للتنفيذ على (try.cameo.bio). علاوة على ذلك، تتوفر هنا مواد الدورة التدريبية الخاصة بهندسة مصنع الخلايا لمدة يومين.

واجهة برمجة التطبيقات عالية المستوى (للمستخدمين)

حساب استراتيجيات هندسة السلالة للمنتج المطلوب في عدد من الكائنات المضيفة باستخدام الواجهة عالية المستوى (وقت التشغيل في حدود ساعات).

 من تصميم استيراد Cameo.api
التصميم(المنتج='L-سيرين')

الإخراج

يمكن أيضًا استدعاء واجهة برمجة التطبيقات عالية المستوى من سطر الأوامر.

 $ تصميم حجاب فانيلين

لمزيد من المعلومات تشغيل

 $ حجاب -- مساعدة

واجهة برمجة التطبيقات منخفضة المستوى (للمطورين)

البحث عن أهداف خروج الجينات باستخدام الحساب التطوري.

 من نماذج استيراد النقش
من Cameo.strain_design.heuristic استيراد GeneKnockoutOptimization
من Cameo.strain_design.heuristic.objective_functions استيراد الكتلة الحيوية_المنتج_coupled_yield

النموذج =models.bigg.e_coli_core
obj = الكتلة الحيوية_منتج_coupled_yield(
    model.reactions.Biomass_Ecoli_core_w_GAM،
    model.reactions.EX_succ_e,
    model.reactions.EX_glc_e)
كو = GeneKnockoutOptimization(model=model,object_function=obj)
ko.run(max_evaluations=50000, n=1, معدل الطفرة=0.15, indel_rate=0.185)

الإخراج

التنبؤ بالمسارات غير المتجانسة للمادة الكيميائية المطلوبة.

 من Cameo.strain_design استيراد path_prediction
المتنبئ = path_prediction.PathwayPredictor (نموذج)
المسارات = توقع.تشغيل (المنتج = "فانيلين")

الإخراج

المساهمات

... موضع ترحيب كبير! يرجى قراءة الدليل الإرشادي للحصول على تعليمات حول كيفية المساهمة.