Unlocking dark matter in genomes of microbial cell factories through machine learning analysis of massive omics data

Vanwege hun unieke vermogen om vele enzymen te produceren voor de industriële omzetting van complexe organische materialen, hebben schimmels een enorm potentieel om de transitie naar een duurzamere biobased economie te versnellen. De experimentele karakterisering van enzymen is echter tijdrovend en kostbaar, waardoor minder dan 5% van de schimmelgenen experimenteel gevalideerd is, wat het gebruik ervan in industriële toepassingen ernstig belemmert. In dit project wil ik een machine learning framework ontwikkelen, door het combineren van grote data variërend van genoom, transcriptoom, proteoom, metaboloom, evolutie, en transcriptieregulatie, waardoor efficiënte prioritering van enzymen voor experimentele karakterisering en toepassingstesten mogelijk wordt.