cameo

Cameo—Rekayasa dan Optimasi Metabolik Berbantuan Komputer

Apa itu cameo?

Cameo adalah perpustakaan python tingkat tinggi yang dikembangkan untuk membantu proses desain regangan dalam proyek rekayasa metabolik. Pustaka ini menyediakan kerangka modular metode simulasi dan desain regangan yang menargetkan pengembang yang ingin mengembangkan algoritma desain baru dan alur kerja analisis khusus. Selain itu, ini memaparkan API tingkat tinggi kepada pengguna yang hanya ingin menghitung desain regangan yang menjanjikan.

Penasaran? Kunjungi try.cameo.bio dan cobalah.

Silakan kutip https://doi.org/10.1021/acssynbio.7b00423 jika Anda pernah menggunakan cameo dalam publikasi ilmiah.

Instalasi

Gunakan pip untuk menginstal cameo dari PyPI.

 $ pip instal cameo

Jika Anda mengunduh atau mengkloning kode sumber dari GitHub atau fork Anda sendiri, Anda dapat menjalankan perintah berikut untuk menginstal cameo untuk pengembangan.

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

Anda mungkin perlu menjalankan perintah ini dengan hak administratif jika Anda tidak menggunakan lingkungan virtual (misalnya menggunakan sudo ). Silakan periksa dokumentasi untuk rincian lebih lanjut.

Dokumentasi dan Contoh

Dokumentasi tersedia di cameo.bio. Banyak buku catatan Jupyter memberikan contoh dan tutorial serta menjadi bagian dari dokumentasi. Mereka juga tersedia dalam bentuk yang dapat dieksekusi di (try.cameo.bio). Selain itu, materi kursus untuk kursus teknik pabrik sel selama dua hari tersedia di sini.

API tingkat tinggi (untuk pengguna)

Hitung strategi rekayasa regangan untuk produk yang diinginkan di sejumlah organisme inang menggunakan antarmuka tingkat tinggi (waktu proses dalam hitungan jam).

 dari desain impor cameo.api
desain(produk='L-Serine')

Keluaran

API tingkat tinggi juga dapat dipanggil dari baris perintah.

 $ desain cameo vanilin

Untuk informasi lebih lanjut, jalankan

 $ cameo --membantu

API tingkat rendah (untuk pengembang)

Temukan target penghancuran gen menggunakan komputasi evolusioner.

 dari model impor cameo
dari cameo.strain_design.heuristic impor GeneKnockoutOptimization
dari cameo.strain_design.heuristic.objective_functions impor biomassa_product_coupled_yield

model = model.bigg.e_coli_core
obj = biomassa_produk_ditambah_hasil(
    model.reaksi.Biomassa_Ecoli_core_w_GAM,
    model.reaksi.EX_succ_e,
    model.reaksi.EX_glc_e)
ko = GeneKnockoutOptimization(model=model, fungsi_tujuan=obj)
ko.run(max_evaluations=50000, n=1, mutasi_rate=0,15, indel_rate=0,185)

Keluaran

Memprediksi jalur heterolog untuk bahan kimia yang diinginkan.

 dari cameo.strain_design impor jalur_prediksi
prediktor = jalur_prediksi.PathwayPredictor(model)
jalur = prediktor.run(product="vanillin")

Keluaran

Kontribusi

... sama-sama! Silakan baca pedoman untuk petunjuk bagaimana berkontribusi.