综述：AI 赋能多组学：解锁植物生物合成途径，驱动可持续生物经济新突破

为解决多组学数据在植物生物合成途径研究中利用不足的问题，研究人员开展相关主题研究。提出整合工作流程，表明 AI 驱动的方法可助力途径发现。推荐阅读，它能助您了解前沿策略，加速植物代谢研究与天然产物生物工程进程。

　　

研究亮点

理解植物生物合成途径有助于通过异源表达系统可持续地生产有价值的天然产物。多组学方法加快了植物生物合成途径的发现，但这些高维数据集通常未得到充分利用。现有的组学数据集包含了超出其原始实验重点的多条生物合成途径的未开发信息。人工智能（AI）与多组学数据分析的整合有望通过从现有数据集中提取更深入的见解，简化途径发现过程。

摘要

第一作者单位的研究人员认为，阐明植物生物合成途径对于推动可持续生物经济发展至关重要，因为这使得通过合成生物学获取复杂的天然产物成为可能。尽管基因组学、转录组学和代谢组学方法已取得进展，但许多多组学数据仍未得到充分利用。本综述重点介绍了用于发现植物生物合成途径的前沿多组学策略，并利用新兴的计算工具应对数据采集和解读方面的挑战。研究人员提出了一种整合分子网络、反应对分析和基因表达模式的工作流程，以提高数据利用率。此外，人工智能驱动的方法有望通过简化数据分析和验证过程，彻底改变途径发现方式。将多组学数据、化学见解和先进算法相结合，能够加速对植物代谢的理解，并高效地对有价值的天然产物进行生物工程改造。