cameo

客串——電腦輔助代謝工程與最佳化

什麼是客串？

Cameo是一個進階 Python 函式庫，旨在幫助代謝工程專案中的菌株設計過程。該程式庫提供了模擬和應變設計方法的模組化框架，面向想要開發新設計演算法和自訂分析工作流程的開發人員。此外，它還向只想計算有前途的應變設計的用戶提供了高級 API。

好奇的？前往 try.cameo.bio 並嘗試。

如果您在科學出版品中使用過客串，請引用 https://doi.org/10.1021/acssynbio.7b00423。

安裝

使用 pip 從 PyPI 安裝 Cameo。

 $ pip 安裝cameo

如果您從 GitHub 或您自己的分支下載或複製原始程式碼，則可以執行以下命令來安裝cameo以進行開發。

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

如果您不使用虛擬環境（例如使用sudo ），您可能需要使用管理權限來執行這些命令。請查看文件以取得更多詳細資訊。

文件和範例

文件可在 comeo.bio 上找到。許多 Jupyter 筆記本提供了範例和教程，也構成了文件的一部分。它們也可以在 (try.cameo.bio) 上以可執行形式提供。此外，這裡還提供為期兩天的細胞工廠工程課程的課程材料。

進階API（針對使用者）

使用高級介面（運行時間約小時）計算許多宿主生物體中所需產物的菌株工程策略。

從cameo.api導入設計
設計（產品='L-絲胺酸'）

輸出

也可以從命令列呼叫高級 API。

 $ 浮雕設計香草醛

欲了解更多信息，請運行

$ 客串--幫助

低階API（供開發人員使用）

使用進化計算尋找基因敲除目標。

從客串導入模型
從cameo.strain_design.heuristic導入GeneKnockoutOptimization
從cameo.strain_design.heuristic.objective_functions導入biomass_product_ Coupled_yield

模型 = models.bigg.e_coli_core
obj = 生物量產品耦合產量（
    model.reactions.Biomass_Ecoli_core_w_GAM,
    model.reactions.EX_succ_e,
    模型.反應.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)

輸出

預測所需化學物質的異源途徑。

從cameo.strain_design導入pathway_prediction
預測器=pathway_prediction.PathwayPredictor(模型)
路徑=預測器.run（產品=“香草醛”）

輸出

貢獻

....非常歡迎！請閱讀指南以了解如何貢獻的說明。