지식그래프와 대사 모델링을 통합한 에이전트 기반 미생물 배양 최적화 시스템

한줄 요약

지식그래프, 대사 모델링, 최적 실험 설계를 통합한 28개 에이전트 기반 시스템으로 미생물 배양 배지 최적화를 자동화한다.

풀어야 하는 문제

미생물 배양 최적화는 노동 집약적이고 비효율적이며, 복잡한 다차원 영양소 매개변수 공간을 탐색하기 위한 전통적인 한 번에 하나의 요인(OFAT) 접근 방식은 특히 비효율적이다.

접근 방법

지식 그래프(KG-Microbe), 대사 모델링, 문헌 마이닝, 유전체 기반 설계, 그리고 MaxPro 알고리즘을 사용한 최적 실험 설계를 통합하는 에이전트 기반 시스템을 구축했다. 28개의 전문 에이전트와 50개의 스킬이 구조화된 생물학 지식을 질의하고, 문헌 증거를 마이닝하며, 다중 목표 Pareto 최적화를 수행한다.

결과·기여

Methylorubrum extorquens AM1에 대한 70개 조건의 사중 반복 실험을 통해 단일 안정적인 Pareto 최적 배지(MPOB_058)를 확인했다. 시스템은 완전한 출처 추적과 90.5%의 문헌 인용 범위를 제공하여 재현 가능한 데이터 기반 미생물 배양 접근법을 발전시킨다.