法国巴黎时间2023年11月5日，国际基因工程机器大赛（iGEM）在巴黎Paris Expo-Porte de Versailles落下帷幕。

2023年，来自44个国家和地区的393支队伍参加了此次大赛，57365最快最新检测中心iGEM参赛团队NJU-China从中脱颖而出，荣获2023年大赛金牌和最佳新基础部件提名。

iGEM赛事介绍

国际基因工程机器大赛（iGEM）由麻省理工学院于2003年创办，2005年发展成为国际性学术竞赛，目前已成为合成生物学领域的顶级国际性学术竞赛。iGEM竞赛鼓励参赛团队用合成生物学手段解决实际问题，需要每一位同学在团队中扮演特定的角色，通过长期规划、团队合作，在有限的时间里共同完成一项完整的科研项目。除了在实验室里开展实验以外，iGEM参赛团队还需要进行广泛的社会调研，并依据调研反馈调整项目设计思路，使其更加贴合人类社会的需求。

2023年大赛盛况

NJU-China项目介绍

团队项目Pymaker

合成生物学与深度学习具有天然的协同作用。合成生物学实验可生成数据集来训练AI模型，而经过生物数据训练的深度学习模型可用于为合成生物学研究提供信息，例如生成新部件或设计最佳实验条件。但是，合成生物学中深度学习的应用仍然受到许多限制。一个非常显著的问题是数据，包括技术发展限制、经济问题、数据异质性和维度等问题。另一方面，合成生物学家往往没有精深的人工智能知识来使用深度学习方法助力研究。

NJU-China团队聚焦于合成生物学与人工智能的交叉前沿领域，致力于提供一种全新的解决方案，以推进合成生物学中深度学习应用的边界。

NJU团队基于迁移学习范式构建了名为Pymaker的AI模型，能够从非常有限的酵母启动子实验数据中学习序列和表达率的潜在联系，并生成在自然条件下难以获得的极端表达启动子序列。

Pymaker的训练样本量-PCC曲线

利用Pymaker和碱基突变模型，团队成功生成了7个稳定极高表达启动子序列PYPHs和3个稳定极低表达启动子序列PYPLs，并利用高表达启动子显著提高了黏膜疫苗佐剂LTB的表达量，促进黏膜疫苗的开发和普及。

团队首次在合成生物学中引入了“pre-train＋fine-tuning”的AI生成范式，具有易于掌握、可迁移性强、预测准确率高的优点，为在有限的实验数据下生成优秀的AI提供了可能的解决方案，同时丰富了极端表达启动子序列数据库，为生物合成产业化铺平了道路。

团队项目的Engineering Cycle

NJU-China

团队介绍

NJU-China团队参加iGEM已9年有余，完成了基础性进展、治疗、新应用等多个领域的科研项目，获得了可喜的成绩。今年NJU-China的成员在导师陈熹老师与周祯老师的带领下开拓创新、合作奋进，聚焦于合成生物学与人工智能交叉前沿领域，顺利完成比赛项目并斩获佳绩，团队将再接再厉，勇攀学术高峰。

NJU-China团队成员

感谢全体队员的辛勤付出

感谢学校领导和学院老师的关怀和支持

感谢相关企业和队伍的支持与合作

若想进一步了解Pymaker，欢迎关注微信公众号，后续招新相关信息也将一并发布在公众号上~