菌落形态

搜索
登录

菌落形态

文章数：1篇

Nature子刊：自动化+机器学习，助力大规模微生物培养

虽然测序技术的快速发展极大促进了研究人员挖掘微生物“暗物质”，但在微生物实验和机理研究方面培养组学仍然发挥着关键作用，传统的培养组学方法存在劳动密集型、规模化小、缺乏表型-基因型的整合等问题。近日，美国哥伦比亚大学研究人员在Nature Biotechnology发表最新研究，开发了一种自动化微生物组成像和分离的培养学（CAMII）平台，利用菌落形态学和基因组数据，可最大限度提高分离的微生物多样性，并能有针对性地挑选特定的菌属。总之，该研究为深入挖掘复杂生态样品中微生物“暗物质”提供了新的指导和见解，值得关注。

机器学习高通量培养组学研究论文基础研究自动化