Få opslag som dette inden alle andre

DTU Studieprojekt - Genotype - Phenotype Predictions For Metabolic Engineering with Neural Networks (wetlab or drylab or hybrid)

Danmarks Tekniske Universitet (DTU)

Opret en karriereprofil og deltag i lodtrækningen om ét gavekort på 2.000 kr til LETZ SUSHI!

Genotype - Phenotype Predictions For Metabolic Engineering with Neural Networks (wetlab or drylab or hybrid)

Udbyder
Vejleder
Sted
København og omegn
Motivation:
Metabolic engineering research is based on the design - build - test - learn (DBTL) cycle. Over the past two decades, advances in molecular biology, the drop in DNA synthesis cost and the growing automation of laboratory procedures have accelerated the experimental steps of the circle. In contrast, the learn and design steps have remained limited by scientists brain power needed to analyse and extract meaning from experimental results and to advance to the next step of the cycle.

Machine learning represents a promising avenue to alleviate this bottleneck. Indeed, learning algorithms are able to autonomously map biological input to output, generating predictions without mechanistic understanding of the studied biological system. They therefore have the potential to guide and accelerate the DBTL.

Project
Despite its potential, the application of machine learning to metabolic engineering is still in its infancy. This is in part explained by the difficulty in obtaining low noise, reproducible and abundant biological data required for algorithm training. Previous work at DTU Bioengineering has established a novel high throughput platform, CRISPA, able to screen tens of thousands of yeast knock-outs (KO) in a few days. At present, CRISPA can screen the effect of single gene KO against the flux of the shikimate pathway. The shikimate pathway is of interest because many industrially relevant chemical derivatives can be synthesised from it. Briefly, CRISPA uses yeast mating and CRIPSR to deliver a two-enzymatic-steps pathway to the yeast KO library. The 2 steps converts Tyrosine (a shikimate pathway end product) into betaxanthin, a yellow pigment allowing the colorimetric assessment of flux through the shikimate pathway. Strains are grown in high density arrays on agar plates and their fitness and yield can be extracted thought digital image analysis.

Here, we propose to generate data with CRISPA to train a neural network able to predict both cell fitness and betaxanthin yield directly from DNA sequence.

Expected Tasks.
This is a highly interdisciplinary project encompassing molecular and microbiology as well as computational biology and artificial intelligence. A research project can be easily tailored to suit the student’s interest.

Example of wet-lab tasks:

1) Participate in the strain building (e.g. cloning metabolic pathway, CRISPR multiplexing)

2) Employ CRISPA and a pinning robot to generate strains on agar plates

Example of Computational tasks:

1)Image processing to extract colony readings (colony size, colour, etc.) programmatically from plate pictures

2) Optimise a neural network (model type, architecture, loss, etc.) to learn sequence to phenotype predictions.

Skills Needed.
For wetlab tasks:
- Exposure to routine microbiology methods.

- Exposure to cloning.

For computational tasks:

- An appetite for programming with experience in (preferably) Python.

- Exposure to machine learning (through university or online course, projects, etc. )

Emneord

  • Bioteknologi og biokemi
  • Fysik
  • Informationsteknologi
  • Kemi
  • Matematik
  • Medicin og medicoteknik
  • Transport og logistik
  • Bakterier og mikroorganismer
  • Biologiske systemer
  • Celler
  • Enzymer og proteiner
  • Gener og genomer
  • Syntetisk biologi
  • Vira
  • Kortlægning og opmåling
  • Billedanalyse
  • Computerberegning
  • Dataanalyse
  • It-systemer
  • Software og programmering
  • System- og datasikkerhed
  • Telekommunikation
  • Teknisk kemi
  • Geometri
  • Matematisk analyse
  • Matematisk logik
  • Matematisk modellering
  • Statistik
  • Fysiologisk modellering
  • Sundhed og sygdomme
Tags
  • DeepNeuralNetwork
  • imageprocessing
  • machinelearning
  • MetabolicEngineering
  • robotics
  • SyntheticBiology
Kontakt
Virksomhed/organisation
DTU Bioengineering

Navn
Nikolaus Sonnenschein

Stilling
Lektor

Mail
niso@dtu.dk

Vejleder-info
Kandidatuddannelsen i Menneskeorienteret Kunstig Intelligens
Vejleder
Nikolaus Sonnenschein

Medvejledere
Michael Krogh Jensen, Uffe Hasbro Mortensen

ECTS-point
10 - 30

Type
Kandidatspeciale, Specialkursus

Kandidatuddannelsen i Kvantitativ Biologi og Sygdomsmodellering
Vejleder
Nikolaus Sonnenschein

Medvejledere
Michael Krogh Jensen, Uffe Hasbro Mortensen

ECTS-point
10 - 30

Type
Kandidatspeciale, Specialkursus

Kandidatuddannelsen i Bioinformatik og Systembiologi
Vejleder
Nikolaus Sonnenschein

Medvejledere
Michael Krogh Jensen, Uffe Hasbro Mortensen

ECTS-point
10 - 30

Type
Kandidatspeciale, Specialkursus

Kandidatuddannelsen i Bioteknologi
Vejleder
Nikolaus Sonnenschein

Medvejledere
Michael Krogh Jensen, Uffe Hasbro Mortensen

ECTS-point
10 - 30

Type
Kandidatspeciale, Specialkursus

Kandidatuddannelsen i Kemisk og Biokemisk Teknologi
Vejleder
Nikolaus Sonnenschein

Medvejledere
Michael Krogh Jensen, Uffe Hasbro Mortensen

ECTS-point
10 - 30

Type
Kandidatspeciale, Specialkursus

Kandidatuddannelsen i Informationsteknologi
Vejleder
Nikolaus Sonnenschein

Medvejledere
Michael Krogh Jensen, Uffe Hasbro Mortensen

ECTS-point
10 - 30

Type
Kandidatspeciale, Specialkursus

Kandidatuddannelsen i Matematisk Modellering og Computing
Vejleder
Nikolaus Sonnenschein

Medvejledere
Michael Krogh Jensen, Uffe Hasbro Mortensen

ECTS-point
10 - 30

Type
Kandidatspeciale, Specialkursus

Opslaget er indhentet automatisk fra virksomhedens jobsider og vises derfor kun som uddrag. Log ind for at se det fulde opslag eller gå videre til opslaget her:

læs opslaget hos Danmarks Tekniske Universitet (DTU)



gem
husk frist
print
send til mig
Ansøgningsfrist: snarest muligt
Geografiske områder

Jobsøgerinteresse

Hvor meget interesse vækker opslaget hos de jobsøgende? Log ind og se, hvor populært opslaget er.



Angiv venligst i din ansøgning, at du har set opslaget i StuderendeOnline

Ansøg
Opslagstype
Ph.d. & forskning
Studieprojekt/speciale
Geografi
Storkøbenhavn
Uddannelse
IT
Kemi, Biotek & Materialer
Maskin & Design
Matematik, Fysik & Nano
Medicinal & Sundhed
Naturvidenskab
Produktion, Logistik & Transport
Teknik & Teknologi
Arbejdsområde
Forskning & Udvikling
Naturvidenskab
Teknik
Få opslag som dette inden alle andre

Danmarks Tekniske Universitet (DTU) - hurtigt overblik


Danmarks Tekniske Universitet (DTU)
Danmarks Tekniske Universitet (DTU)
DTU er et teknisk eliteuniversitet med international rækkevidde og standard. Vores mission er at udvikle og nyttiggøre naturvidenskab og teknisk videnskab til gavn for samfundet. 11.200 studerende uddanner sig her til fremtiden, og 6.000 medarbejdere har hver dag fokus på uddannelse, forskning, myndighedsrådgivning og innovation, som bidrager til øget vækst og velfærd.

Placering
Anker Engelunds Vej 1
2800 Kgs. Lyngby
Logo: Danmarks Tekniske Universitet (DTU)
Efterspørgsel efter nye talenter

Hvilke jobtyper og arbejdsområder udbyder vi normalt og hvor mange nye talenter søger vi efter?


LinkedIn

Følg vores aktiviteter på LinkedIn.


Webside

Få mere info omkring vores virksomhed på vores egne websider:

www.dtu.dk


Danmarks Tekniske Universitet (DTU) i Google

Er der andre informationer om os, som du burde vide? Se, hvad en Google-søgning siger.




https://studerendeonline.dk/job/1697722//
Karriereprofil i Jobbanken
Opret karriereprofil: Automatiser din jobsøgning med jobagenter, få adgang til nyeste job før andre og bliv synlig for arbejdsgivere med en talentprofil.
nej tak, tag mig til jobopslaget
nej tak, vis ansøgningsinfo
KONKURRENCE
HPT