AI in het Laboratorium: Casestudy's van PKS Engineering

Polyketide synthases (PKS) zijn grote assemblagelijnenzymen die een verscheidenheid aan chemicaliën produceren die essentieel zijn voor de Amerikaanse biotechnologische productie, waaronder brandstoffen, medicijnen en bulkchemicaliën. Het ontwerpen van PKS-systemen is echter complex, vanwege de grote omvang en complexiteit van de enzymen. Het engineering van deze eiwitten vereist herhaalde cycli van het ontwerpen van experimenten, het bouwen van genetische constructies, het testen van prestaties en het interpreteren van resultaten. Kunstmatige intelligentie kan verschillende fasen van deze ontwerp-bouw-test-leer, of DBTL, cyclus ondersteunen wanneer de output wordt omgezet in testbare wetenschappelijke hypothesen. Deze sessie bevat twee door studenten geleide presentaties die praktische AI-toepassingen in PKS-engineering beschrijven. De sprekers zullen demonstreren hoe AI kan helpen bij hypothese-generatie, experimentele interpretatie, identificatie van veelbelovende engineeringstrategieën en selectie van daaropvolgende experimenten. Samen introduceren de lezingen het concept van "AI-in-de-DBTL-cyclus," waarbij AI binnen het wetenschappelijke proces wordt geplaatst in plaats van erboven. AI fungeert als een wetenschappelijk klankbord, dat studenten helpt om experimentele uitkomsten te anticiperen en hun resultaten sneller te interpreteren. De aanwezigen zullen een praktisch kader krijgen voor het gebruik van AI terwijl ze de output verifiëren en menselijke verantwoordelijkheid voor wetenschappelijke beslissingen behouden. De sessie is bedoeld voor studenten, docenten, onderzoekers en anderen die geïnteresseerd zijn in biotechnologie, kunstmatige intelligentie of wetenschappelijke innovatie. Er is geen voorafgaande kennis van PKS-engineering vereist. Een korte discussie met het publiek en een Q&A zullen volgen.