Método de diseño de promotor de novo basado en un algoritmo de evolución generativa y dinámica profunda

Área de la Ciencia:

• Biología sintética
• Biología computacional
• Biología molecular

Sus antecedentes:

• Los promotores son esenciales para controlar la expresión génica, vital para la ingeniería metabólica y la terapia génica.
• Los métodos actuales de diseño de promotores a menudo priorizan la alta expresión, pasando por alto la necesidad de intensidades reguladoras ajustables.

Objetivo del estudio:

• Introducir PromoDGDE, un nuevo marco de aprendizaje profundo para el diseño de promotores sintéticos con niveles de expresión específicos.
• Para demostrar la eficacia del método en Escherichia coli y Saccharomyces cerevisiae.

Principales métodos:

• Utilizando Diffusion-GAN para aprender las características de la secuencia de promotores naturales y generar nuevos candidatos.
• Empleando aprendizaje por refuerzo y algoritmos evolutivos para la optimización dinámica de secuencias de promotores sintéticos.

Principales resultados:

• PromoDGDE superó a los métodos existentes en silico, generando promotores biológicamente relevantes con las funciones deseadas.
• Los experimentos in vivo confirmaron la actividad de expresión de los promotores sintéticos, logrando más del 60% de los efectos reguladores esperados.

Conclusiones:

• PromoDGDE ofrece una solución eficaz y flexible para el diseño de promotores sintéticos con un control regulatorio preciso.
• El método tiene implicaciones significativas para el avance de aplicaciones en biología sintética, incluida la construcción de vías metabólicas y la terapia génica.