Computerstøttet design af cellefabrikker

• Beskrive rollen af designstadiet i cellefabriksudviklingscyklussen, og hvordan design interagerer med de andre stadier i cyklussen (Build, Test og Learn).
• Analysere cellefabrikker ved hjælp af Python-kode i samarbejde med andre studerende, samt anvende en moderne databaseret tilgang til at foretage reproducerbare beregningsbaserede analyser.
• Beskrive koncepterne bag metabolsk flux analyse, og diskutere fordele og ulemper ved anvendelse af forskellige metoder.
• Beskrive principperne der anvendes i -omics (transkriptom-, proteom-, metabolom- og fluxom-) analyse og modelintegration, samt hvordan data fra disse analyser kan anvendes i designet af cellefabrikker.
• Anvende genomskala modeller i designstadiet til udvikling af optimerede cellefabrikker.
• Bygge genomskala metaboliske modeller og bruge dem til at forudberegne cellefabrikkens evner.
• Beskrive hvordan machine-learning modeller trænes til design af cellefabrikker med eksempler.
• Udarbejde en strategi til at optimere en cellefabrik baseret på viden om metabolismen, kvantitativ fysiologi samt omics data.

Kurset giver en oversigt over design af cellefabrikker med en række eksempler på gennemførsel af målrettede ændringer i cellers metabolisme (ved hjælp af gensplejsning), der har ført til nye produkter i bioindustrien. Der lægges særligt fokus på design stadiet af cellefabrikker, og kursus giver særligt overblik i følgende emner: Introduktion til design af cellefabrikker. Oversigt over metabolske synteseveje. Regulering af synteseveje. Eksempler på design af cellefabrikker. Metabolsk flux analyse: Teori og eksempler. Omics data integration med metabolismemodeller. Case stories vil bruges for at illustrere de forskellige emner. De studerende vil arbejde selvstændigt med eksempler, og med en større gruppeopgave der vil blive præsenteret både mundtligt og skriftligt og som går på at foreslå innovative strategier til design af en cellefabrik for et virkeligt eksempel.

27460/22111/22110/22101, Grundlæggende programmeringsfærdigheder i Python, R eller lignende programmeringssprog (loops, conditionals, basic data types som lister, dictionaries etc.) er kraftigt anbefalet.

Forelæsninger, gruppeopgaver, seminarer og beregningsopgaver

Kurset er rettet mod bioteknologistuderende, men kan følges af studerende med en kemiteknisk baggrund, der ønsker en introduktion til aspekter omkring bioinformatik og optimering af biokatalysatorer.
Grundlæggende viden om Python (eller andre programmeringssprog) er kraftigt anbefalet (loops, conditionals, basic data types som lists, dictionaries etc.).
Sammen med kursus 27460 (Syntesebiologi) giver dette kursus en samlet forståelse for hele Design-Build-Test-Learn cyklussen, der bruges i udvikling af cellefabrikker. Kursus 27460 giver en basal forståelse af Syntesebiologi og molekylærbiologiske metoder til gensplejsning af produktionsorganismer. Dette kursus komplimenterer 27460, og de to kurser kan tages enten før, undervejs eller efter hinanden.
Der findes mulighed for at lave et praktisk projekt som opfølgning til gruppeopgaven i 3-ugers perioden i kursus 27432.