O CEC-Cells investiga como algoritmos evolutivos e técnicas de aprendizado de máquina podem ser combinados para projetar e prever o comportamento de circuitos genéticos em bactérias — indo além dos limites do design racional tradicional em biologia sintética.
Um dos maiores desafios atuais da biocomputação é que os mesmos “circuitos lógicos genéticos” se comportam de forma muito diferente dependendo do plasmídeo em que são inseridos e da bactéria hospedeira utilizada. Essa dependência de contexto compromete a reutilização de partes genéticas, encarece a prototipagem e limita a complexidade dos circuitos que podem ser construídos de forma confiável.
O CEC-Cells propõe enfrentar esse problema em duas frentes complementares:
- desenvolver algoritmos evolutivos multiobjetivo capazes de otimizar estruturas genéticas para que funcionem bem em mais de um chassi bacteriano ao mesmo tempo;
- treinar modelos de aprendizado de máquina (incluindo processos gaussianos, redes neurais e redes neurais em grafos) capazes de antecipar o desempenho de um circuito em contextos ainda não testados experimentalmente
