• Mitchell T.
• et al.

Máy học.

hàng năm. Linh mục máy tính. Khoa học. 1990; 4: 417-433

• Người cuối cùng TR
• Balestrini-Robinson S.

Mô hình thay thế.

trong: Loper ML Mô hình hóa và Mô phỏng trong Vòng đời Kỹ thuật Hệ thống. Springer, 2015: 201-216

• Miller TH
• et al.

Học máy cho độc học môi trường: lời kêu gọi hội nhập và đổi mới.

Môi trường. Khoa học. Công nghệ. 2018; 52: 12953-12955

• Bonetta R.
• Valentino G.

Kỹ thuật học máy để dự đoán chức năng protein.

Protein. 2020; 88: 397-413

• cuộn PS
• et al.

Sử dụng các phương pháp học máy để phân tích dữ liệu đa omics: đánh giá.

Công nghệ sinh học. Tư vấn. 2021; 49107739

• Villoutreix P.

Học máy có thể làm gì cho sinh học phát triển

Phát triển. 2021; 148: dev188474

• Muzio G.
• et al.

Phân tích mạng lưới sinh học với học sâu.

Ngắn gọn. Dạng sinh học. 2021; 22: 1515-1530

• Volk MJ
• et al.

Thiết kế hệ thống sinh học bằng máy học.

Tổng hợp ACS. sinh học. 2020; 9: 1514-1533

• Mowbray M.
• et al.

Học máy cho kỹ thuật sinh hóa: đánh giá.

Hóa sinh. Anh NS. 2021; 172108054

• Angermueller C.
• et al.

Học sâu cho sinh học tính toán.

Mol Syst. Biol. 2016; 12: 878

• Cầu thủ J.
• et al.

Dự đoán cấu trúc protein chính xác cao với AlphaFold.

Thiên nhiên. 2021; 596: 583-589

• Walters WP
• Barzilay R.

Các ứng dụng của học sâu trong tạo phân tử và dự đoán thuộc tính phân tử.

Acc. Hóa. Độ phân giải 2021; 54: 263-270

• quản gia KT
• et al.

Học máy cho khoa học phân tử và vật liệu.

Thiên nhiên. 2018; 559: 547-555

• Đinh Ý.
• et al.

Các phương pháp học máy để dự đoán các mối liên hệ giữa bệnh và phân tử sinh học.

Ngắn gọn. chức năng. bộ gen. 2021; 20: 273-287

• Mộ J.
• et al.

Đánh giá về các phương pháp học sâu cho kháng thể.

Kháng thể (Basel). 2020; 9: 12

• Bác sĩ Leavell
• et al.

Sàng lọc thông lượng cao cho các nhà máy sản xuất tế bào vi sinh vật được cải thiện, triển vọng và triển vọng.

Curr. Opin. Công nghệ sinh học. 2020; 62: 22-28

• Silva TC
• et al.

Tự động hóa và thu nhỏ: hỗ trợ các công cụ để phát triển quy trình nhanh, hiệu suất cao trong sản xuất sinh học liên tục tích hợp.

J. Chèm. Technol. Biotechnol. 2021; 97: 2365-2375

• Wasalathanthri DP
• et al.

Phân tích quy trình 4.0: sự thay đổi mô hình trong phân tích nhanh để phát triển sinh học.

Công nghệ sinh học. Prog. 2021; 37e3177

• cacbonell P.
• et al.

Một quy trình thiết kế-xây dựng-thử nghiệm-học hỏi tự động để tăng cường sản xuất các hóa chất tốt bằng vi sinh vật.

cộng đồng. sinh học. 2018; 1: 66-69

• Opgenorth P.
• et al.

Bài học từ hai chu trình thiết kế-xây dựng-thử nghiệm-học hỏi trong sản xuất dodecanol ở Escherichia coli được hỗ trợ bởi máy học.

Tổng hợp ACS. sinh học. 2019; 8: 1337-1351

• Liêu X.
• et al.

Trí tuệ nhân tạo: một giải pháp cho sự thay đổi của chu trình thiết kế-xây dựng-kiểm tra-học hỏi.

Curr. Opin. Công nghệ sinh học. 2022; 75102712

• Dickens J.
• et al.

Biến đổi và kiểm soát nguyên liệu dược phẩm sinh học.

Curr. Opin. Chèm. Tiếng Anh 2018; 22: 236-243

• Jordan M
• et al.

Tăng cường các quy trình nuôi cấy tế bào quy mô lớn.

Curr. Opin. Chèm. Tiếng Anh 2018; 22: 253-257

• von Stosch M.
• et al.

Lộ trình phát triển quy trình silico dựa trên AI: xử lý sinh học 4.0 trong thực tế.

Curr. Opin. Chèm. Tiếng Anh 2021; 33100692

• Artico F.
• et al.

Tương lai của trí tuệ nhân tạo cho bối cảnh dữ liệu lớn Công nghệ sinh học.

Curr. Opin. Công nghệ sinh học. 2022; 76102714

• Joshi đấu với
• et al.

Tối ưu hóa các gradient sigmoidal trao đổi ion bằng cách sử dụng các mô hình lai: thực hiện chất lượng theo thiết kế trong phát triển phương pháp phân tích.

J. Chromatogr. MỘT. 2017; 1491: 145-152

• Vương G.
• et al.

Điều tra nguyên nhân gốc rễ của những sai lệch trong sắc ký protein dựa trên các mô hình cơ học và mạng lưới thần kinh nhân tạo.

J. Chromatogr. MỘT. 2017; 1515: 146-153

• Brestrich N.
• et al.

Định lượng protein chọn lọc cho sắc ký điều chế bằng cách sử dụng quang phổ UV/Vis có độ dài đường thay đổi và hồi quy bình phương nhỏ nhất từng phần.

Chèm. Tiếng Anh Khoa học. 2018; 176: 157-164

• rủi ro AB
• Anh R.

Sử dụng học sâu để đánh giá các đỉnh trong dữ liệu sắc ký.

Talanta. 2019; 204: 255-260

• Kensert A.
• et al.

Deep Q-learning để lựa chọn các hoạt động trinh sát đẳng quyền tối ưu trong sắc ký lỏng.

J. Chromatogr. MỘT. 2021; 1638461900

• Vaskevicius M.
• et al.

Dự đoán các điều kiện sắc ký để tinh chế trong tổng hợp hữu cơ bằng cách học sâu.

Các phân tử. 2021; 26: 2474

• Lưu S.
• Trang chủ LG

Các chiến lược thanh lọc kháng thể tối ưu bằng cách sử dụng các mô hình dựa trên dữ liệu.

Kỹ thuật. 2019; 5: 1077-1092

• Walther C.
• et al.

Phát triển quy trình thông minh: ứng dụng máy học và mô hình hóa quy trình tích hợp cho các quy trình thanh lọc cơ thể.

Công nghệ sinh học. Prog. 2022; 38e3249

• Wehr M.
• et al.

Bạn nhận được những gì bạn sàng lọc: về giá trị của việc mô tả đặc tính lên men trong việc cải thiện chủng loại thông lượng cao trong môi trường công nghiệp.

J. Ind. Microbiol. Công nghệ sinh học. 2020; 47: 913-927

• Hemerich J.
• et al.

Hệ thống lò phản ứng vi sinh để tăng tốc quá trình phát triển quá trình sinh học.

Công nghệ sinh học. NS. 2018; 13e1700141

• Grav LM
• et al.

Giảm thiểu sự biến đổi dòng vô tính trong kỹ thuật dòng tế bào động vật có vú để tạo dữ liệu sinh học hệ thống được cải thiện.

Tổng hợp ACS. sinh học. 2018; 7: 2148-2159

• McKinley KL
• Thợ làm pho mát IM

Phân tích quy mô lớn về loại bỏ chu trình tế bào CRISPR/Cas9 cho thấy sự đa dạng của các phản ứng phụ thuộc vào p53 đối với các khiếm khuyết trong chu trình tế bào.

nhà phát triển Tế bào. 2017; 40: 405-420

• Mazurenko S.
• et al.

Học máy trong kỹ thuật enzyme.

Catal ACS. 2019; 10: 1210-1223

• Siedhoff ĐB
• et al.

Kỹ thuật enzyme hỗ trợ học máy.

Phương pháp Enzymol. 2020; 643: 281-315

• Gu C.
• et al.

Hiện trạng và ứng dụng của các mô hình trao đổi chất ở quy mô bộ gen.

Bộ gen sinh học. 2019; 20: 121

• Srinivas S.
• et al.

Xây dựng các mô hình chuyển hóa động học ở quy mô bộ gen: một đánh giá.

Công nghệ sinh học. NS. 2015; 10: 1345-1359

• Almquist J.
• et al.

Các mô hình động học trong công nghệ sinh học công nghiệp – cải thiện hiệu suất của nhà máy tế bào.

Metab. Tiếng Anh 2014; 24: 38-60

• Stalidzan E.
• et al.

Thiết kế trao đổi chất dựa trên mô hình: các ràng buộc đối với các mô hình động học và cân bằng hóa học.

Hóa sinh. Soc. Dịch. 2018; 46: 261-267

• Người thừa kế L.
• et al.

Tạo và phân tích các mô hình dựa trên ràng buộc sinh hóa bằng Hộp công cụ COBRA v.3.0.

Nat. Protoc. 2019; 14: 639-702

• Oyetunde T.
• et al.

Tận dụng kiến ​​thức kỹ thuật và máy học để sản xuất vi sinh vật.

Công nghệ sinh học. Tư vấn. 2018; 36: 1308-1315

• chính xác JD
• et al.

Phân tích cân bằng thông lượng là gì?.

Nat. Công nghệ sinh học. 2010; 28: 245-248

• Segre D.
• et al.

Phân tích tính tối ưu trong các mạng trao đổi chất tự nhiên và nhiễu loạn.

Proc. Natl. Học viện Khoa học Hoa Kỳ 2002; 99: 15112-15117

• Schneider P.
• et al.

Một khuôn khổ mở rộng và tổng quát để tính toán các chiến lược can thiệp trao đổi chất dựa trên các nhóm cắt giảm tối thiểu.

Máy tính PLoS. sinh học. 2020; 16e1008110

• Mishra B.
• et al.

Sinh học hệ thống và học máy trong các tương tác mầm bệnh thực vật.

Mol Tương tác giữa vi sinh thực vật. 2019; 32: 45-55

• Ran P.
• et al.

Những tiến bộ gần đây về các mô hình dựa trên ràng buộc bằng cách tích hợp máy học.

Curr. Opin. Công nghệ sinh học. 2020; 64: 85-91

• Vua ZA
• et al.

Khai thác tài liệu hỗ trợ phương pháp mô hình hóa thế hệ tiếp theo để dự đoán sự bài tiết sản phẩm phụ của tế bào.

Metab. Tiếng Anh 2017; 39: 220-227

• Oyetunde T.
• et al.

Khung học máy để đánh giá hoạt động của nhà máy vi sinh vật.

PLoS One. 2019; 14e0210558

• Trương J.
• et al.

Kết hợp các mô hình cơ học và máy học cho kỹ thuật dự đoán và tối ưu hóa quá trình chuyển hóa tryptophan.

Nat. Cộng đồng. 2020; 11: 4880

• Radivojević T.
• et al.

Một công cụ đề xuất tự động học máy cho sinh học tổng hợp.

Nat. Cộng đồng. 2020; 11: 4879

• Pedregosa F.
• et al.

Scikit-learning: học máy trong python.

J.Mạch. Học. độ phân giải 2011; 12: 2825-2830

• cacbonell P.
• et al.

Cơ hội tại giao điểm của sinh học tổng hợp, học máy và tự động hóa.

Tổng hợp ACS. sinh học. 2019; 8: 1474-1477

• Faure L.
• et al.

Mạng trao đổi chất nhân tạo: cho phép tính toán thần kinh với mạng trao đổi chất.

bioRxiv. 2022; ()

• Zampieri G.
• et al.

Máy móc và học sâu đáp ứng mô hình trao đổi chất ở quy mô bộ gen

Máy tính PLoS. sinh học. 2019; 15e1007084

• Antonakoudis A.
• et al.

Kỷ nguyên của dữ liệu lớn: mô hình hóa quy mô bộ gen đáp ứng học máy.

Tính toán. Kết cấu. Biotechnol. NS. 2020; 18: 3287-3300

• van Rosmalen RP
• et al.

Giảm mô hình của các mô hình trao đổi chất ở quy mô bộ gen làm cơ sở cho các mô hình động học được nhắm mục tiêu.

Metab. Tiếng Anh 2021; 64: 74-84

• Choudhury S.
• et al.

Xây dựng lại các mô hình động học cho các nghiên cứu động học về quá trình trao đổi chất bằng cách sử dụng các mạng lưới đối nghịch chung.

tự nhiên máy móc. thông minh. 2022; 4: 710-719

• Sabzevari M.
• et al.

Tối ưu hóa thiết kế biến dạng bằng cách sử dụng học tăng cường.

Máy tính PLoS. sinh học. 2022; 18e1010177

• Ngô SG
• et al.

Dự đoán nhanh về thông lượng dị dưỡng của vi khuẩn bằng cách sử dụng máy học và lập trình ràng buộc.

Máy tính PLoS. sinh học. 2016; 12e1004838

• Lý G.
• et al.

Học máy được áp dụng để dự đoán nhiệt độ tăng trưởng của vi sinh vật và khả năng xúc tác tối ưu của enzyme.

Tổng hợp ACS. sinh học. 2019; 8: 1411-1420

• Bradford E.
• et al.

Mô hình động và tối ưu hóa quá trình sản xuất tảo bền vững với sự không chắc chắn bằng cách sử dụng các quy trình Gaussian đa biến.

Tính toán. Chèm. Tiếng Anh 2018; 118: 143-158

• Vega-Ramon F.
• et al.

Mô hình động học và lai tạo để sản xuất astaxanthin men trong điều kiện không chắc chắn.

Công nghệ sinh học. Bioeng. 2021; 118: 4854-4866

• Freier L.
• et al.

Khung phân tích và thiết kế thử nghiệm lặp lại dựa trên Kriging: tối ưu hóa quá trình sản xuất protein bài tiết trong Corynebacteria glutamicum.

Tiếng Anh Khoa học đời sống. 2016; 16: 538-549

• Trịnh ZY
• et al.

Mạng thần kinh nhân tạo – giải thuật di truyền tối ưu hóa điều kiện lên men mầm lúa mì: ứng dụng sản xuất hai loại benzoquinone chống khối u.

Chem chép thực phẩm. 2017; 227: 264-270

• del Rio-Chanona EA
• et al.

Mô hình động và tối ưu hóa quy trình sản xuất C-phycocyanin của vi khuẩn lam bằng mạng lưới thần kinh nhân tạo.

Tảo Res. 2016; 13: 7-15

• Pappu SMJ
• Gummadi SN

Mạng thần kinh nhân tạo và thuật toán di truyền kết hợp hồi quy để tối ưu hóa các tham số để tăng cường sản xuất xylitol bằng cách Debaryomyces nepalensis trong lò phản ứng sinh học.

Hóa sinh. Anh NS. 2017; 120: 136-145

• Ebrahimpur A.
• et al.

Nghiên cứu mô hình hóa bằng phương pháp bề mặt đáp ứng và mạng nơ ron nhân tạo về tối ưu hóa các thông số nuôi cấy để sản xuất lipase bền nhiệt từ vi khuẩn ưa nhiệt mới được phân lập vi khuẩn địa cầu sp. căng ARM.

Công nghệ sinh học BMC. 2008; 8: 96

• Sebayang AH
• et al.

Tối ưu hóa quá trình sản xuất cồn sinh học từ hạt lúa miến bằng cách sử dụng mạng thần kinh nhân tạo tích hợp với đàn kiến.

Ind. Crop. Sản phẩm. 2017; 97: 146-155

• Rodríguez-Granrose D.
• et al.

Thiết kế thử nghiệm (DOE) được áp dụng cho kiến ​​trúc mạng thần kinh nhân tạo cho phép cải tiến quy trình sinh học nhanh chóng.

Bioprocess Biosyst. Tiếng Anh 2021; 44: 1301-1308

• Rogers AW
• et al.

Một cách tiếp cận học tập chuyển đổi để lập mô hình dự đoán các quy trình sinh học sử dụng dữ liệu nhỏ.

Công nghệ sinh học. Bioeng. 2022; 119: 411-422

• Hutter C.
• et al.

Truyền kiến ​​thức qua các dòng tế bào bằng cách sử dụng các mô hình quy trình Gauss lai với các vectơ nhúng thực thể.

Công nghệ sinh học. Bioeng. 2021; 118: 4389-4401

• Vương Y.
• et al.

So sánh các nhúng từ để xử lý ngôn ngữ tự nhiên y sinh.

J. Sinh học. Báo. 2018; 87: 12-20

• Blum A.
• et al.

Cảm biến hình ảnh tại chỗ để giám sát quá trình sinh học: công nghệ tiên tiến.

Hậu môn. Bioanal. Chèm. 2010; 398: 2429-2438

• Marba-Ardebol AM
• et al.

Kính hiển vi in ​​situ để xác định hình thái đơn bào trong quá trình xử lý sinh học theo thời gian thực.

J. Vis. Hết hạn. 2019; ()

• Grunberger A.
• et al.

Microfluidics đơn bào: cơ hội phát triển quy trình sinh học.

Curr. Opin. Công nghệ sinh học. 2014; 29: 15-23

• Dư G.
• et al.

Microfluidics cho các nền tảng sàng lọc thông lượng cao dựa trên tế bào - một đánh giá.

Hậu môn. Chim. Acta. 2016; 903: 36-50

• Riondon J.
• et al.

Học sâu với vi lỏng cho công nghệ sinh học.

Xu hướng Biotechnol. 2019; 37: 310-324

• Galan EA
• et al.

Vi lỏng thông minh: sự hội tụ của học máy và vi lỏng trong khoa học vật liệu và y sinh.

Vấn đề. 2020; 3: 1893-1922

• Stallman D.
• et al.

Hướng tới phân tích tự động sự tăng trưởng huyền phù CHO-K1 trong nuôi cấy đơn bào vi lỏng.

Tin sinh học. 2021; 37: 3632-3639

• O'Connor OM
• et al.

DeLTA 2.0: Một quy trình học sâu để định lượng động lực học không gian và thời gian của một ô.

Máy tính PLoS. sinh học. 2022; 18e1009797

• Lashkaripour A.
• et al.

Máy học cho phép tự động hóa thiết kế tạo giọt tập trung dòng chảy vi lỏng.

Nat. Cộng đồng. 2021; 12: 25

• Hartmann R.
• et al.

BiofilmQ, một công cụ phần mềm để phân tích hình ảnh định lượng của các cộng đồng màng sinh học vi sinh vật.

Nat. Vi sinh. 2020; 6: 151-156

• DàiB.
• et al.

Nuôi trồng tảo bán liên tục được hỗ trợ bằng sinh học tổng hợp và thông tin về máy học để giải phóng năng suất nhiên liệu tái tạo.

Nat. Cộng đồng. 2022; 13: 541

Tính toán độ sâu thâm nhập ánh sáng trong lò phản ứng quang điện.

công nghệ sinh học. Công ty xử lý sinh học 1999; 4: 78-81

• Vương J.
• et al.

Sự khác biệt về khả năng thâm nhập ánh sáng hiệu quả có thể giải thích sự vượt trội về hiệu quả quang hợp của canh tác liên kết so với ao mở thông thường đối với vi tảo.

Công nghệ sinh học. Nhiên liệu sinh học. 2015; 8: 49

• Gottl Q.
• et al.

Tổng hợp lưu trình tự động bằng cách sử dụng học tăng cường phân cấp: bằng chứng về khái niệm.

hóa học. Ing. Công nghệ. 2021; 93: 2010-2018

• Dừng lại L
• et al.

Tổng hợp sơ đồ thông qua học tăng cường phân cấp và mạng lưới thần kinh đồ thị.

arXiv. 2022; ()

Mở rộng quy trình của vi sinh vật: tác động, công cụ và câu hỏi mở.

J. Công nghệ sinh học. 2012; 160: 3-9

• Neubauer P.
• Junne S.

Các phương pháp tăng quy mô và thu nhỏ quy mô cho các lò phản ứng sinh học.

trong: Mandenius C.-F. Lò phản ứng sinh học. Phiên bản Wiley-VCH, 2016: 323-354

• Delvigne F.
• et al.

Tăng/giảm quy mô quá trình sinh học dưới dạng công nghệ cho phép tích hợp: từ cơ học chất lỏng đến sinh học hệ thống và hơn thế nữa.

Microb. Công nghệ sinh học. 2017; 10: 1267-1274

• Vương G.
• et al.

Hiệu suất so sánh của các trình mô phỏng giảm tỷ lệ khác nhau của độ dốc cơ chất trong Penicillium chrysogenum nền văn hóa: sự cần thiết của một phân tích phản ứng hệ thống sinh học.

Microb. Công nghệ sinh học. 2018; 11: 486-497

• Karimi Alavijeh M.
• et al.

Các phương pháp kích hoạt kỹ thuật số để mở rộng quy mô của các lò phản ứng sinh học tế bào động vật có vú.

Chèm. Tiếng Anh Technol. 2022; 4100040

• Lê H.
• et al.

Phân tích đa biến dữ liệu quy trình sinh học nuôi cấy tế bào–tiêu thụ lactate làm chỉ báo quy trình.

J. Công nghệ sinh học. 2012; 162: 210-223

• Facco P.
• et al.

Sử dụng phân tích dữ liệu để đẩy nhanh quá trình mở rộng quy trình dược phẩm sinh học.

Hóa sinh. Anh NS. 2020; 164107791

• Smiatek J.
• et al.

Các mô hình mạng thần kinh tái phát chung và cụ thể: các ứng dụng cho các quy trình ngược dòng dược phẩm sinh học quy mô lớn và nhỏ.

công nghệ sinh học. Dân biểu (Amst.). 2021; 31e00640

• Sokolov M.
• et al.

Mô hình nuôi cấy tế bào đa biến tuần tự ở nhiều quy mô hỗ trợ định hình một cách có hệ thống kháng thể đơn dòng hướng tới mục tiêu chất lượng.

Công nghệ sinh học. NS. 2018; 13e1700461

• Bayer B.
• et al.

Khả năng chuyển đổi mô hình và giảm gánh nặng thử nghiệm trong quá trình phát triển quy trình nuôi cấy tế bào được hỗ trợ bằng mô hình lai và thiết kế thử nghiệm tăng cường.

Trước mặt. Bioeng. Công nghệ sinh học. 2021; 9740215

• Cái S.
• et al.

Mạng thần kinh thông tin vật lý (PINN) cho cơ học chất lỏng: đánh giá.

Acta Mech. Sinica. 2022; 37: 1727-1738

• Mowbray M.
• et al.

Khoa học dữ liệu công nghiệp – đánh giá các ứng dụng máy học cho các ngành công nghiệp hóa chất và quy trình.

Phản ứng. hóa. Tiếng Anh 2022; 7: 1471-1509

• Luctmann R.
• et al.

Cảm biến mềm trong xử lý sinh học: báo cáo hiện trạng và khuyến nghị.

Công nghệ sinh học. NS. 2012; 7: 1040-1048

• Gerzon G.
• et al.

Công nghệ phân tích quy trình – những tiến bộ trong tích hợp quy trình sinh học và triển vọng trong tương lai.

J.Pharm. sinh học. hậu môn. 2022; 207114379

• Narayanan H.
• et al.

Xử lý sinh học trong thời đại kỹ thuật số: vai trò của các mô hình quy trình.

Công nghệ sinh học. NS. 2020; 15e1900172

• Kadlec P.
• et al.

Cảm biến mềm dựa trên dữ liệu trong ngành công nghiệp chế biến.

Tính toán. Chèm. Tiếng Anh 2009; 33: 795-814

• Desai K.
• et al.

Phát triển cảm biến mềm cho các lò phản ứng sinh học theo mẻ bằng cách sử dụng hồi quy véc tơ hỗ trợ.

Hóa sinh. Anh NS. 2006; 27: 225-239

• Randek J.
• Mandenius CF

Cảm biến mềm trực tuyến trong xử lý sinh học ngược dòng.

chí mạng. Linh mục Công nghệ sinh học. 2018; 38: 106-121

• Chu X.
• et al.

Các phương pháp mô hình cảm biến mềm hiện đại cho quá trình lên men.

Cảm biến (Basel). 2020; 20: 1771

• Schmidt A.
• et al.

Công nghệ phân tích quy trình đóng vai trò là yếu tố kích hoạt chính cho cặp song sinh kỹ thuật số trong quá trình sản xuất sinh học liên tục.

J. Chèm. Technol. Biotechnol. 2022; 97: 2336-2346

• Trần Y.
• et al.

Cặp song sinh kỹ thuật số trong sản xuất dược phẩm và dược phẩm sinh học: một đánh giá tài liệu.

Quy trình. 2020; 8: 1088

• Hartmann FSF
• et al.

Các mô hình số trong công nghệ sinh học: hướng tới tích hợp và triển khai đa quy mô.

Công nghệ sinh học. Tư vấn. 2022; 60108015

• Portela RMC
• et al.

Khi nào một đại diện in silico là một song sinh kỹ thuật số? Một cách tiếp cận ngành công nghiệp dược phẩm sinh học đối với khái niệm sinh đôi kỹ thuật số.

quảng cáo hóa sinh. Tiếng Anh công nghệ sinh học. 2021; 176: 35-55

• Zobel-Roos S.
• et al.

Song sinh kỹ thuật số trong sản xuất sinh học.

quảng cáo hóa sinh. Tiếng Anh công nghệ sinh học. 2021; 176: 181-262

• Q. CN.
• Ge Z .

Một cuộc khảo sát về học sâu cho các cảm biến mềm dựa trên dữ liệu.

IEEE Trans. Công nghiệp Báo. 2021; 17: 5853-5866

• Đại X.
• et al.

Phương pháp cảm biến mềm dựa trên “cảm biến vốn có giả định” đảo ngược và ứng dụng của nó trong quá trình lên men erythromycin.

Tính toán. Chèm. Tiếng Anh 2006; 30: 1203-1225

• Albiol J.
• et al.

Ước tính sinh khối trong nuôi cấy tế bào thực vật: một cách tiếp cận mạng lưới thần kinh.

Công nghệ sinh học. Prog. 1995; 11: 88-92

• Vương B.
• et al.

Mô hình cảm biến mềm cho quá trình lên men L-lysine dựa trên ICS-MLSSVM lai.

Khoa học Dân biểu 2020; 10: 11630

• Graziani S.
• Xibilia MG

Học sâu cho thiết kế cảm biến mềm.

trong: Pedrycz W. Chen S.-M. Phát triển và Phân tích Kiến trúc Deep Learning. Springer, 2020: 31-59

• Gopakumar V.
• et al.

Một cảm biến mềm điều khiển dữ liệu dựa trên học sâu cho các quá trình xử lý sinh học.

Hóa sinh. Anh NS. 2018; 136: 28-39

• Diêu L.
• Ge Z .

Học sâu dữ liệu quy trình bán giám sát với máy học cực trị phân cấp và ứng dụng cảm biến mềm.

IEEE Trans. Ấn Độ điện tử. 2018; 65: 1490-1498

• Mowbray M.
• et al.

Cảm biến mềm dựa trên máy học xác suất để dự đoán chất lượng sản phẩm trong các quy trình hàng loạt.

hóa trị. thông minh. phòng thí nghiệm. hệ thống. 2022; 228104616

• Curri F.
• et al.

Khả năng chuyển đổi cảm biến mềm: một cuộc khảo sát.

Táo. Khoa học 2021; 11: 7710

• Kadlec P.
• et al.

Xem xét các cơ chế thích ứng cho các cảm biến mềm dựa trên dữ liệu.

Tính toán. Chèm. Tiếng Anh 2011; 35: 1-24

• Lý W.
• et al.

Học chuyển giao để chẩn đoán lỗi quy trình: chuyển kiến ​​thức từ mô phỏng sang các quy trình vật lý.

Tính toán. Chèm. Tiếng Anh 2020; 139106904

• Camacho EF
• Alba CB

Kiểm soát dự đoán mô hình.

Springer, 2013

• Hewing L.
• et al.

Kiểm soát dự đoán mô hình dựa trên học tập: hướng tới học tập an toàn trong kiểm soát.

hàng năm. Robot điều khiển Rev. tự động. hệ thống. 2020; 3: 269-296

• Chế E.
• et al.

Một cách tiếp cận tích hợp để xác định hệ thống dựa trên máy học của các hệ thống động lực được kiểm soát: ứng dụng hướng tới điều khiển dự đoán mô hình của hệ thống lò phản ứng phi tuyến tính cao.

Đổi diện. hóa học. Khoa học. Tiếng Anh 2021; 16: 237-250

Điều khiển dựa trên mô hình lò phản ứng sinh học lên men men sử dụng mạng thần kinh nhân tạo được thiết kế tối ưu.

Hóa. Tiếng Anh J. 2007; 127: 95-109

• Masampally VS
• et al.

Khung hồi quy quy trình Gaussian xếp tầng để dự đoán sinh khối trong lò phản ứng Fed-batch.

trong: Chuỗi hội nghị chuyên đề IEEE 2018 về trí thông minh tính toán (SSCI). 2018

• Zán T.
• et al.

Kiểm soát quy trình thống kê với trí thông minh dựa trên mô hình học sâu.

Táo. Khoa học 2019; 10: 308

• Petsagkourakis P.
• et al.

Học tăng cường để tối ưu hóa quy trình sinh học hàng loạt.

Tính toán. Chèm. Tiếng Anh 2020; 133106649

• Tạ H.
• et al.

Sơ đồ điều khiển học tập tăng cường có hướng dẫn kiểm soát dự đoán mô hình.

trong: Hội nghị chung quốc tế về mạng lưới thần kinh năm 2020 (IJCNN). 2020

• Hedrick E.
• et al.

Học tăng cường để điều chỉnh trực tuyến các bộ điều khiển dự đoán mô hình: ứng dụng cho một đơn vị khử xúc tác chọn lọc.

Tính toán. Chèm. Tiếng Anh 2022; 160107727

• Treloar NJ
• et al.

Học tăng cường sâu để kiểm soát đồng nuôi cấy vi sinh vật trong lò phản ứng sinh học.

Máy tính PLoS. sinh học. 2020; 16e1007783

• Oh th
• et al.

Tích hợp học tăng cường và kiểm soát dự đoán mô hình để tối ưu hóa lò phản ứng sinh học bán đợt.

AIChE J. 2022; 68: 6

• Rehnert M.
• Takors R.

Quản lý dữ liệu nghiên cứu FAIR như cách tiếp cận cộng đồng trong kỹ thuật sinh học.

Tiếng Anh Khoa học đời sống. 2022; ()

• Bác sĩ Wilkinson
• et al.

Các nguyên tắc hướng dẫn FAIR để quản lý và quản lý dữ liệu khoa học.

Khoa học. Dữ liệu. 2016; 3160018

• Farid SS
• et al.

Đo điểm chuẩn phát triển quy trình dược phẩm sinh học và đóng góp chi phí sản xuất cho R&D.

MAb. 2020; 12: 1754999

• Faulon JL
• Faure L.

Học máy in silico, in vitro và in vivo trong sinh học tổng hợp và kỹ thuật trao đổi chất.

Curr. Opin. Chèm. Biol. 2021; 65: 85-92

• O'Brien CM
• et al.

Một mô hình cơ học-thực nghiệm lai cho trong silico mô phỏng quá trình sinh học tế bào động vật có vú.

Metab. Tiếng Anh 2021; 66: 31-40

• Udaondo Z.

Dữ liệu lớn và những tiến bộ tính toán cho thế hệ tiếp theo của công nghệ sinh học vi sinh vật.

Microb. Công nghệ sinh học. 2022; 15: 107-109

• Giovani B.

Dữ liệu mở cho nghiên cứu và giám sát chiến lược trong ngành dược phẩm và công nghệ sinh học.

Khoa học dữ liệu J. 2017; 16: 18

• Gitter DM

Giải quyết nghịch lý nguồn mở trong công nghệ sinh học: đề xuất về chính sách nguồn mở sửa đổi cho cơ sở dữ liệu gen được tài trợ công khai.

Điện toán. Bảo vệ pháp luật Mục sư 2008; 24: 529-539

• Người nói EW
• et al.

Nguồn cơ sở dữ liệu của Trung tâm thông tin công nghệ sinh học quốc gia.

Axit nucleic Res. 2022; 50: D20-D26

• Oliveira AL

Công nghệ sinh học, dữ liệu lớn và trí tuệ nhân tạo.

Công nghệ sinh học. NS. 2019; 14e1800613

• Harrow J.
• et al.

ELIXIR-EXCELERATE: thiết lập cơ sở hạ tầng dữ liệu của châu Âu cho nghiên cứu khoa học sự sống trong tương lai.

EMBO J. 2021; 40e107409

• Kok JN
• Unesco

Trí tuệ nhân tạo.

Công ty xuất bản Eolss, 2009

• Alpaydin E.

Giới thiệu về Học máy.

tái bản lần thứ 4. MIT Press, 2020

• Hội trưởng BG
• Smith RG

Cơ sở của hệ chuyên gia.

hàng năm. Linh mục máy tính. Khoa học. 1988; 3: 23-58

• Cickyham P.
• et al.

học có giám sát.

trong: Dây M. Cunningham P. Kỹ thuật học máy cho đa phương tiện: Nghiên cứu điển hình về tổ chức và truy xuất. Springer, 2008: 21-49

• Ghahramani Z.

Học không giám sát.

trong: Bó hoa O. Các bài giảng nâng cao về học máy: ML Summer Schools 2003, Canberra, Australia, 2 – 14 tháng 2003 năm 4, Tübingen, Đức, 16 – 2003 tháng XNUMX năm XNUMX, Các bài giảng sửa đổi. Springer, 2004: 72-112

• Kaelbling LP
• et al.

Học tăng cường: một cuộc khảo sát.

J. Artif. thông minh. độ phân giải 1996; 4: 237-285

• Sutton RS

Giới thiệu: thách thức của việc học tăng cường.

trong: Sutton RS Học tăng cường. Springer, 1992: 1-3

• Weiss K.
• et al.

Một cuộc khảo sát về học tập chuyển giao.

J. Dữ liệu lớn. 2016; 3: 9

• Hứa J.
• et al.

Học cho rô-bốt: học tăng cường sâu, học bắt chước, học chuyển giao.

Cảm biến (Basel). 2021; 21: 1278

• Mahmud M.
• et al.

Các ứng dụng của học sâu và học tăng cường đối với dữ liệu sinh học.

IEEE Trans. Mạng thần kinh Học. hệ thống. 2018; 29: 2063-2079

• Voulodimos A.
• et al.

Học sâu cho thị giác máy tính: đánh giá ngắn gọn.

Tính toán. Giới thiệu. Tế bào thần kinh. 2018; 2018: 7068349

• Chiến T.
• et al.

Cơ hội và trở ngại cho việc học sâu trong sinh học và y học.

JR Soc. Giao diện. 2018; 15: 20170387

• Bennet D.
• et al.

Học tăng cường không có giá trị: tối ưu hóa chính sách như một mô hình tối thiểu về hành vi của người vận hành.

Curr. Ý kiến Hành vi. Khoa học 2021; 41: 114-121

• Chu Z.-H.

Học tập theo nhóm.

trong: Mach Learn. Springer, 2021: 181-210

• Lawson CE
• et al.

Học máy cho kỹ thuật trao đổi chất: đánh giá.

Metab. Tiếng Anh 2021; 63: 34-60

• JG xanh hơn
• et al.

Hướng dẫn học máy cho các nhà sinh học.

Nat. Linh mục Mol. Biol tế bào. 2022; 23: 40-55

• Vương S.-C.

Mạng lưới thần kinh nhân tạo.

trong: Điện toán liên ngành trong lập trình Java. Springer, 2003: 81-100

• Dhruv P.
• Narkar S.

Phân loại hình ảnh bằng cách sử dụng Mạng thần kinh tích chập (CNN) và Mạng thần kinh tái phát (RNN): Đánh giá.

Springer, 2020

• Gu J.
• et al.

Những tiến bộ gần đây trong mạng lưới thần kinh tích chập.

Nhận dạng mẫu. 2018; 77: 354-377

• Izalov P.
• et al.

Hậu thế mạng lưới thần kinh Bayesian thực sự như thế nào?.

trong: Marina M. Tong Z. Kỷ yếu của Hội nghị quốc tế về học máy lần thứ 38. ICML, 2021

• Bạn tốt I.
• et al.

Học kĩ càng.

MIT Press, 2016

• Connor M.
• et al.

Bộ mã hóa tự động đa dạng với cấu trúc tiềm ẩn đã học.

trong: Arindam B. Kenji F. Kỷ yếu Hội nghị Quốc tế lần thứ 24 về Trí tuệ Nhân tạo và Thống kê. Báo chí AAAI, 2021

• cơ S.
• et al.

Các khu rừng ngẫu nhiên lặp đi lặp lại để khám phá các tương tác bậc cao ổn định và dự đoán được.

Proc. Natl. Học viện Khoa học Hoa Kỳ 2018; 115: 1943-1948

• WS cao quý

Máy vectơ hỗ trợ là gì?.

Nat. Công nghệ sinh học. 2006; 24: 1565-1567

Các ứng dụng sinh học của máy vector hỗ trợ.

Ngắn gọn. Dạng sinh học. 2004; 5: 328-338

• của Sciascio F.
• Amicarelli AN

Ước tính sinh khối trong các quy trình công nghệ sinh học hàng loạt bằng phương pháp hồi quy quy trình Bayesian Gaussian.

Tính toán. Chèm. Tiếng Anh 2008; 32: 3264-3273

• Lân L.
• et al.

Các mạng đối thủ tạo ra và các ứng dụng của nó trong tin học y sinh.

Đổi diện. Sức khỏe cộng đồng. 2020; 8: 164

• Giao Q.
• Trương S.

Một cuộc khảo sát ngắn gọn về nhúng từ và sự phát triển gần đây của nó.

trong: Công nghệ thông tin tiên tiến lần thứ 2021 của IEEE năm 5, Hội thảo Điều khiển Điện tử và Tự động hóa. IAEA, 2021

• bengio S.
• et al.

Nhóm mã hóa thưa thớt.

trong: bengio Y. Những tiến bộ trong hệ thống xử lý thông tin thần kinh. 22. Hiệp hội Curran, Inc., 2009: 82-89

• Watkins CJCH
• Đáy P.

Q-học tập.

máy móc. Học. 1992; 8: 279-292

• Schwenzer M.
• et al.

Đánh giá về kiểm soát dự đoán mô hình: một quan điểm kỹ thuật.

quốc tế J. Adv. sản xuất. công nghệ. 2021; 117: 1327-1349

• người thay thế RB
• et al.

Khai thác văn bản cho sinh học–con đường phía trước: ý kiến ​​từ các nhà khoa học hàng đầu.

Bộ gen sinh học. 2008; 9: S7

• Jensen LJ
• et al.

Khai thác tài liệu cho nhà sinh vật học: từ truy xuất thông tin đến khám phá sinh học.

Nat. Mục sư. 2006; 7: 119-129

• Pinto J.
• et al.

Một mô hình lai sâu chung cho các hệ thống lò phản ứng sinh học: kết hợp các nguyên tắc đầu tiên với mạng lưới thần kinh sâu.

Tính toán. Chèm. Tiếng Anh 2022; 165107952

• Nelofer R.
• et al.

So sánh khả năng ước tính của phương pháp bề mặt đáp ứng và mạng nơ-ron nhân tạo để tối ưu hóa quá trình sản xuất lipase tái tổ hợp bằng E. coli BL21.

J. Ind. Microbiol. Công nghệ sinh học. 2012; 39: 243-254

• Vương Y.
• et al.

Tối ưu hóa quá trình lên men tối để sản xuất hydro sinh học bằng cách sử dụng mạng thần kinh nhân tạo lai (ANN) và phương pháp tiếp cận bề mặt phản ứng (RSM).

Môi trường. Ăn xin. Duy trì. Năng lượng. 2020; 40: 2

• Unnie S.
• et al.

Tối ưu hóa phương tiện dựa trên thuật toán di truyền mạng thần kinh nhân tạo (ANN-GA) để sản xuất gamma interferon của con người (hIFN-γ) trong Kluyveromyces lactis nhà máy sản xuất ô.

Có thể. J. Chem. Tiếng Anh 2019; 97: 843-858

• Tavasoli T.
• et al.

Một chiến lược kiểm soát cho ăn mạnh mẽ được mạng lưới thần kinh điều chỉnh và tối ưu hóa để tăng cường sản xuất alpha 1-antitrypsin trong Pichia mục sư.

Hóa sinh. Anh NS. 2019; 144: 18-27

• Trương L.
• et al.

Mô hình hóa và tối ưu hóa quá trình lên men lipid vi sinh vật từ nước thải etanol xenlulô bằng Rhodotorula glutinis dựa trên máy vector hỗ trợ.

Đường sinh học. Technol. 2020; 301122781

• Đông C.
• Trần J.

Tối ưu hóa các thông số của quá trình lên men yếm khí thân cây ngô dựa trên máy vector hỗ trợ bình phương nhỏ nhất.

Đường sinh học. Technol. 2019; 271: 174-181

• Kenedy MJ
• Muỗng NR

Sử dụng logic mờ để thiết kế môi trường lên men: so sánh với mạng thần kinh và thiết kế giai thừa.

công nghệ sinh học. Công nghệ. 1996; 10: 47-52

• Brunner M.
• et al.

Điều tra sự tương tác của các thông số mở rộng quy mô quan trọng (pH, pO2 và pCO2) đối với hiệu suất lô CHO và các thuộc tính chất lượng quan trọng.

Bioprocess Biosyst. Tiếng Anh 2017; 40: 251-263

• Holubar P.

Kiểm soát nâng cao quá trình phân hủy kỵ khí bằng mạng lưới thần kinh phân cấp.

Nước Res. 2002; 36: 2582-2588

• Glassey J.
• et al.

Tăng cường giám sát tái tổ hợp E. coli lên men thông qua mạng lưới thần kinh nhân tạo.

Quy trình sinh hóa. 1994; 29: 387-398

• Shoky A.
• et al.

Cảm biến mềm dựa trên dữ liệu để giám sát trực tuyến các quy trình hàng loạt với các điều kiện ban đầu khác nhau.

Tính toán. Chèm. Tiếng Anh 2018; 118: 159-179

• Vương W.
• et al.

Kiểm soát dự đoán mô hình dựa trên mạng thần kinh định kỳ cho sản xuất dược phẩm liên tục.

Môn Toán. 2018; 6: 6110242

• Thợ cắt tóc G.
• et al.

Lựa chọn dòng tế bào dự đoán trong quá trình mở rộng quy trình sinh học thông qua học máy về động lực chuyển hóa.

IFAC-PapersOnLine. 2021; 54: 85-90

• Poh M.
• et al.

Đánh giá mở rộng các mô hình học máy và tiền xử lý dữ liệu cho mô hình Raman trong xử lý sinh học.

Máy quang phổ J. Raman. 2022; 53: 1580-1591

• Hassan S.
• et al.

Khai thác dữ liệu xử lý sinh học sử dụng hồi quy chính quy và rừng ngẫu nhiên.

Hệ thống BMC sinh học. 2013; 7: S5

• Srivastava R.
• et al.

Ứng dụng và đánh giá kỹ thuật phân loại rừng ngẫu nhiên để phát hiện lỗi trong vận hành lò phản ứng sinh học.

hóa học. Tiếng Anh cộng đồng. 2017; 204: 591-598

• Probs D.
• et al.

Lập kế hoạch tổng hợp xúc tác sinh học bằng cách sử dụng học tập theo hướng dữ liệu.

Nat. Cộng đồng. 2022; 13: 964

• Kotidis P.
• Kontoravdi C.

Khai thác tiềm năng của mạng lưới thần kinh nhân tạo để dự đoán quá trình glycosyl hóa protein.

Metab. Tiếng Anh Commun. 2020; 10e00131

• Nikita S.
• et al.

Học tăng cường dựa trên tối ưu hóa quy trình sắc ký để xử lý liên tục dược phẩm sinh học.

Chèm. Tiếng Anh Khoa học. 2021; 230116171

• Phan E.
• et al.

Hạn chế Q-learning để tối ưu hóa quy trình hàng loạt.

IFAC-PapersOnLine. 2021; 54: 492-497

• Heidari Baladehi M.
• et al.

Nhận dạng không cần nuôi cấy và lập hồ sơ trao đổi chất của các tế bào đơn vi tảo thông qua việc học tập các ramanome.

Hậu môn. Chèm. 2021; 93: 8872-8880

• Czajka JJ
• et al.

Khai thác kiến ​​thức tích hợp, mô hình hóa quy mô bộ gen và học máy để dự đoán Yarrowia lipolytica sản xuất sinh học.

Metab. Tiếng Anh 2021; 67: 227-236

• Mowbray M.
• et al.

Học tập đồng bộ cho dự đoán và mô hình động xử lý sinh học.

công nghệ sinh học. sinh học. 2022; ()

• Lưu Ý.
• Gunawa R.

Tối ưu hóa quy trình sinh học trong điều kiện không chắc chắn bằng cách sử dụng mô hình tập hợp.

J. Công nghệ sinh học. 2017; 244: 34-44

• Pinto J.
• et al.

Khung mô hình bán tham số lai tổng hợp bootstrap để phát triển quy trình sinh học.

Bioprocess Biosyst. Tiếng Anh 2019; 42: 1853-1865

• Tokuyama K.
• et al.

Mô hình hóa dựa trên khoa học dữ liệu của quá trình lên men lysine.

J. Khoa học sinh học. sinh học. 2020; 130: 409-415

• Agarwal A.
• et al.

Kỷ niệm 110 năm: học máy dựa trên tập hợp để phân loại thiết bị lên men công nghiệp và kiểm soát tạo bọt.

Ấn Độ Hóa. Độ phân giải 2019; 58: 16719-16729

• Mante J.
• et al.

Một cách tiếp cận heuristic để xử lý dữ liệu bị thiếu trong cơ sở dữ liệu sản xuất sinh học.

Bioprocess Biosyst. Tiếng Anh 2019; 42: 657-663

• Trương T.
• et al.

Nhận dạng mẫu trong sơ đồ quy trình hóa học.

AICHE J. 2019; 65: 592-603

• Coşgun A.
• et al.

Phân tích sản xuất lipid từ Yarrowia lipolytica để sản xuất nhiên liệu tái tạo bằng máy học.

Nhiên liệu. 2022; 315122817

• Resendis-Antonio O.

Mô hình hóa dựa trên ràng buộc.

trong: Dubitzky W. Bách khoa toàn thư về sinh học hệ thống. Springer, 2013: 494-498

• Kumar V.
• et al.

Thiết kế thí nghiệm ứng dụng trong xử lý sinh học: khái niệm và cách tiếp cận.

Công nghệ sinh học. Prog. 2014; 30: 86-99

• von Stosch M.
• Willis MJ

Tăng cường thiết kế các thí nghiệm cho các lò phản ứng sinh học ngược dòng.

Tiếng Anh Khoa học đời sống. 2017; 17: 1173-1184

• Garetti M.
• et al.

Mô phỏng vòng đời để thiết kế các hệ thống sản phẩm-dịch vụ.

Tính toán. Ấn 2012; 63: 361-369

• Chowdhary KR

Xử lý ngôn ngữ tự nhiên.

trong: Nguyên tắc cơ bản của trí tuệ nhân tạo. Springer, 2020: 603-649

• Hirschberg J.
• CD quản lý

Những tiến bộ trong xử lý ngôn ngữ tự nhiên.

Khoa học. 2015; 349: 261-266