Recente ontwikkelingen in biotechnologie maken het mogelijk om een toenemend aantal varianten in genetische constructen, eiwitten en cellen te genereren en screenen. Om maximaal te leren van deze experimenten is er echter nood aan gespecialiseerde computationele methoden. Dit doctoraatsproject beoogt de ontwikkeling van een breed inzetbare toolbox voor het optimaliseren van biotechnologische experimenten met behulp van state-of-the-art machine learning technieken.