cameo

客串——计算机辅助代谢工程和优化

什么是客串？

Cameo是一个高级 Python 库，旨在帮助代谢工程项目中的菌株设计过程。该库提供了模拟和应变设计方法的模块化框架，面向想要开发新设计算法和自定义分析工作流程的开发人员。此外，它还向只想计算有前景的应变设计的用户提供了高级 API。

好奇的？前往 try.cameo.bio 并尝试一下。

如果您在科学出版物中使用过客串，请引用 https://doi.org/10.1021/acssynbio.7b00423。

安装

使用 pip 从 PyPI 安装 Cameo。

 $ pip 安装cameo

如果您从 GitHub 或您自己的分支下载或克隆源代码，则可以运行以下命令来安装cameo以进行开发。

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

如果您不使用虚拟环境（例如使用sudo ），您可能需要使用管理权限运行这些命令。请查看文档以获取更多详细信息。

文档和示例

文档可在 comeo.bio 上找到。许多 Jupyter 笔记本提供了示例和教程，也构成了文档的一部分。它们也可以在 (try.cameo.bio) 上以可执行形式提供。此外，这里还提供为期两天的细胞工厂工程课程的课程材料。

高级API（针对用户）

使用高级接口计算多种宿主生物体中所需产物的菌株工程策略（运行时间约为小时）。

从cameo.api导入设计
设计（产品='L-丝氨酸'）

输出

还可以从命令行调用高级 API。

 $ 浮雕设计香兰素

欲了解更多信息，请运行

$ 客串--帮助

低级API（供开发人员使用）

使用进化计算寻找基因敲除目标。

从客串导入模型
从cameo.strain_design.heuristic导入GeneKnockoutOptimization
从cameo.strain_design.heuristic.objective_functions导入biomass_product_ Coupled_yield

模型 = models.bigg.e_coli_core
obj = 生物量产品耦合产量（
    model.reactions.Biomass_Ecoli_core_w_GAM,
    model.reactions.EX_succ_e,
    模型.反应.EX_glc_e)
ko = GeneKnockoutOptimization(模型=模型，objective_function=obj)
ko.run(max_evaluations=50000，n=1，mutation_rate=0.15，indel_rate=0.185)

输出

预测所需化学物质的异源途径。

从cameo.strain_design导入pathway_prediction
预测器=pathway_prediction.PathwayPredictor(模型)
路径=预测器.run（产品=“香草醛”）

输出

贡献

...非常欢迎！请阅读指南以了解如何贡献的说明。