在聯合生物能源研究所 (JBEI)，科學家們開發了兩種加速微生物工程以生產噴氣燃料的方法，將開發時間從數年縮短至數周。JBEI 數據科學與建模主任 Héctor García Martín 表示：「如果這些方法被廣泛採用，將會重塑行業。開發一種新的生物產品不再需要十年和數百人，小團隊可以在一年內完成。」
其中一種方法利用人工智能和實驗室自動化，將異戊烯醇的產量提升了五倍，而第二種方法則使用基因生物傳感器，產生了產油量增加了 36 倍的菌株。這些過程使研究人員能夠以傳統手動方法的 10 到 100 倍的速度測試基因設計。這項研究的主要目標是異戊烯醇，這種物質可轉化為 DMCO，製造出比石油基替代品具有更高能量密度的噴氣燃料。因為電池尚未提供足夠的能量密度來支持飛行，這種合成替代品正被開發以滿足航空需求。
這項研究展示了自動化和基於發現的感測如何優化微生物系統以用於商業應用。研究團隊利用了兩種不同的途徑來提高生物製造效率。「一種是結合人工智能和實驗室自動化，快速測試和完善生產生物燃料的微生物的基因設計。」科學家們在新聞稿中指出。「另一種則是將微生物的‘壞習慣’轉化為強大的感測工具，發現隱藏的路徑以促進產量。」
以人工智能和機器人自動化進行菌株設計的團隊，由 Taek Soon Lee 和 Héctor García Martín 領導，開發了一個自動化流程，以減少對人類直覺的依賴。「伯克利實驗室的研究人員建立了一個自動化流程，利用機器人平行創建和測試數百種基因設計。」新聞稿中解釋道。「該團隊引入了一種定制的微流控電穿孔裝置，可以在不到一分鐘的時間內將基因材料插入 384 種假單胞菌菌株中，這項任務通常需要數小時的手動操作。」
這一速度使得形成一個持續學習的循環，機器學習模型分析蛋白質測量並建議使用 CRISPR 干擾調整的特定基因組合。通過在數周內完成六個工程循環，團隊確定了增加燃料濃度的基因組合。
另一個由 Thomas Eng 領導的團隊則針對假單胞菌消耗其自身產生的異戊烯醇的傾向進行研究。他們識別了微生物用來檢測燃料的兩種蛋白質，並將這一系統重新設計為生物傳感器。「接著出現了巧妙的轉變：他們將傳感器與生存所需的基因相連，創建了一個只有產生最多燃料的微生物才能生長的系統。」新聞稿中總結道。這一方法使團隊能夠在不進行手動測量的情況下篩選數百萬種變體。過程顯示，高產菌株通過重新設計其代謝系統，在葡萄糖供應耗盡後以氨基酸為食，持續生產。
目前，研究人員正致力於將這些微生物菌株從實驗室環境轉移到工業發酵系統。深度優化的人工智能和廣泛發現的生物傳感器相結合，為各種基於生物的產品提供了一個適用的框架。
