Video Experimental Relacionado
Updated: Sep 10, 2025
Author Spotlight: Finding New Therapeutic Targets for Malignant Peripheral Nerve Sheath Tumor Through Genome-Scale shRNA Screens
Published on: August 25, 2023
FluxRETAP: una técnica de modelado a escala para la selección de objetivos genéticos
Jeffrey J Czajka1,2, Joonhoon Kim1,2,3, Yinjie J Tang4
1Energy and Environment Directorate, Pacific Northwest National Laboratory, Richland, WA United States.
FluxRETAP es un nuevo método computacional que utiliza modelos a escala de genoma para identificar objetivos de ingeniería genética para mejorar la producción de metabolitos. Este enfoque ayuda a la ingeniería metabólica al sugerir objetivos genéticos específicos para la sobreexpresión, la regulación a la baja o la eliminación.
Área de la Ciencia:
- Ingeniería metabólica
- Biología sintética
- Biología computacional
Sus antecedentes:
- La ingeniería metabólica está avanzando con herramientas de biología sintética y aprendizaje automático (ML).
- La selección de objetivos genéticos efectivos para la ingeniería metabólica sigue siendo un desafío.
- Los enfoques actuales de ML a menudo requieren conocimientos biológicos previos, lo que limita el uso independiente.
Objetivo del estudio:
- Para presentar FluxRETAP, un método para identificar objetivos de ingeniería genética.
- Aprovechar los modelos a escala genómica (GSM) y el conocimiento mecanicista para la predicción de objetivos.
- Mejorar la producción de metabolitos a través de la superexpresión, desregulación o eliminación de genes sugeridos.
Principales métodos:
- Desarrolló FluxRETAP, un método computacionalmente barato.
- Se utilizaron modelos a escala de genoma (GSM) para incorporar conocimientos mecanicistas previos.
- Generó listas priorizadas de objetivos genéticos y de reacción para la ingeniería metabólica.
Principales resultados:
- FluxRETAP identificó con éxito el 100% de los objetivos experimentalmente verificados para la producción de isoprenol en E. coli.
- El método captó el 50% de los objetivos que mejoran la producción de taxadieno en E. coli.
- FluxRETAP identificó aproximadamente el 60% de los objetivos a partir de un conjunto mínimo de Pseudomonas putida, ofreciendo candidatos adicionales de alta prioridad.
Conclusiones:
- FluxRETAP es un algoritmo eficiente para sugerir objetivos genéticos y de reacción verificables en la ingeniería metabólica.
- El método integra el conocimiento mecanicista de los GSM para guiar el desarrollo de cepas.
- FluxRETAP puede complementar las tuberías de ML existentes en biología sintética.
