FluxRETAP: 遺伝子標的の選択のためのレアクションターゲットの優先順位付け
Jeffrey J Czajka1,2, Joonhoon Kim1,2,3, Yinjie J Tang4
1Energy and Environment Directorate, Pacific Northwest National Laboratory, Richland, WA United States.
Bioinformatics (Oxford, England)
|August 23, 2025
まとめ
FluxRETAPは,改善された代謝産生のための遺伝子工学標的を特定するために,ゲノムスケールモデルを使用する新しい計算方法である. このアプローチは,過剰発現,ダウンレギュレーション,または削除のための特定の遺伝子ターゲットを示唆することによって,代謝工学を助けます.
科学分野:
- メタボリック・エンジニアリング
- 合成生物学
- コンピュータ生物学
背景:
- メタボリックエンジニアリングは 合成生物学ツールと 機械学習 (ML) で進んでいます
- メタボリックエンジニアリングの有効な遺伝子ターゲットを 選択することは依然として課題です
- 現在のMLアプローチには,以前の生物学的な知識が必要であり,独立した使用を制限しています.
研究 の 目的:
- 遺伝子工学の標的を特定するための方法であるFluxRETAPを紹介します.
- ゲノムスケールモデル (GSM) と,ターゲット予測のためのメカニズムの知識を活用する.
- 遺伝子の過剰発現,ダウンレギュレーション,または消去によって代謝産物を強化する.
主な方法:
- FluxRETAPを開発しました 計算上安価な方法です
- ゲノムスケールモデル (GSM) を利用して,以前のメカニズム的知識を組み込みました.
- メタボリックエンジニアリングのための遺伝子と反応標的の優先順位リストを生成した.
主要な成果:
- FluxRETAPは,E. coliにおけるイソプレノール生成の実験的に検証された目標の100%を成功裏に特定した.
- この方法は,E. coliのタクサディエン生成を改善する標的の50%を捕獲した.
- FluxRETAPは,Pseudomonas putidaの最小のカットセットから約60%の標的を特定し,追加の優先度の高い候補者を提供しました.
結論:
- FluxRETAPは,代謝工学のテスト可能な遺伝子および反応標的を提案するための効率的なアルゴリズムです.
- この方法は,GSMからの機械学的知識を統合して,株の発展を導く.
- FluxRETAPは,合成生物学における既存のMLパイプラインを補完することができます.
