简介

建模可以帮助实验部分减少工作量并提供理论基础，试验后也可以辅助进行分析。在iGEM的2024 judge handbook中对model的评奖标准如下：

| 1 | How impressive is the modeling? |
| 2 | Did the model help the team understand a part, device, or system? |
| 3 | Did the team use measurements of a part, device, or system to develop the model? |
| 4 | Does the modeling approach provide a good example for others? |

主要思路

首先，针对于建模主要方向有系统生物学，合成生物学等等方向的生物学建模，以及米氏方程，CME等数学建模。

你的项目是否能解决实际问题？这是建模首要的一关。例如，对于一个传染病（虽然出于安全原因高中组大概率做不了），我们可以使用SEIR模型分析传播趋势和介入的影响。对于植物传染病，我们可以通过模拟的方式对一个地区的风力，气候等等环境因素进行建模，辅以感染机理的研究，以此计算出我们能在哪一步介入，以及介入能对其造成多大的影响。可以去CNS和NC等期刊上找一找你的项目（尤其是传染病，有供需问题等等）的有关论文或者先前的iGEM项目，看看他们是如何撰写背景的，然后深入的研究一下相关的模型（当然，如果你的数学建模能力比较厉害也可以选择自己抽象出一个模型），代入到你的条件中进行计算。

对于生物学建模，非常经典的就是结构分析，分子对接，突变，蛋白设计一类基于AI或力学模拟的模拟。例如，使用Alphafold获取蛋白结构，使用PPI或Autodock等软件分析蛋白-小分子，蛋白-蛋白或蛋白自身键，并以此进行优化。

例如，BJEA-China 2023使用alphafold2模拟出NicX的结构后使用Autodock-Vina获取活性相关残基，通过点突变将其更改为性质相反的残基，验证成功并取得当年的Best Model。当然，这样的套路被越来越多的队伍学习。2024年高中组Best Model得主IEA通过重训练一个生成式模型生成了适合自己队伍的蛋白，2024年undergrad组Best Model得主Heidelberg同样是通过训练模型帮助自己组的实验。

在接下来，AI辅助下的实验可能是热门的方式，因为其足够impressive，并且能够满足以上的四个评价标准。

除了蛋白以外，工程菌本身也是一个可建模的点。例如，蛋白和小分子是否会对工程菌本身造成破坏或代谢压力，或某个内源基因会影响表达，我们可以通过代谢通路分析决定如何敲除部分基因或者增加某些基因。此外，在这里也可以加入一些安全性因素，例如营养缺陷型工程菌或加入自杀开关等。

当然，修改质粒本身也是属于建模的一点。非翻译区，启动子，纯化方式，表达位置都有可能影响蛋白的表达和功能。这些问题除了在实验中发现也可以通过文献和模拟发现。

对于数学建模，除了为了完整性所做的经济学，影响力的模型以外，也可以做元件效率的模拟，代谢压力的半定量分析和传播动力学，环境传播，药代动力学等等。

可参考的项目(需要更新)

IEA 2024

Toronto 2023