飲料水における鉛検査のためのセルフリーバイオセンサのアクティブ・ラーニング・ガイデッド・最適化

科学分野:

• 合成生物学
• バイオセンサ工学
• 環境監視

背景:

• アロステリック転写因子 (aTF) は,使用点診断において有望である.
• 自然なaTFは,現実世界のアプリケーションに必要な感度と選択性を欠いていることが多い.
• 生物センサーの多目的最適化に 苦戦しています

研究 の 目的:

• aTFベースのバイオセンサを設計するための,機械学習 (ML) による多目的の細胞フリー遺伝子発現ワークフローを開発する.
• 特定の環境汚染物質に対するaTFバイオセンサの感度と選択性を向上させる.
• バイオテクノロジーのための合成生物学ツールの開発を加速する.

主な方法:

• 多目的でMLによる細胞フリー遺伝子発現のワークフローが開発された.
• 高品質のシーケンス・トゥ・ファンクションデータが生成され,方向性ラベル付きMLモデルをトレーニングするために使用されました.
• このワークフローは,鉛検出のためのaTF PbrRを設計するために適用されました.

主要な成果:

• エンジニアリングされたPbrRは,鉛に対する米国環境保護庁 (EPA) のアクションレベルで感受性を達成しました.
• 亜鉛による干渉を減らすために選択性が修正されました.
• エンジニアリングされたPbrRは,凍結乾燥細胞フリー反応を使用して,飲料水中の鉛を約5.7ppbまで検出しました.

結論:

• 機械学習による多目的フレームワークは aTFのバイオセンサの設計を加速します
• このアプローチは,環境モニタリングのための敏感で選択的な使用点診断の開発を可能にします.
• このフレームワークは,他のバイオセンサやタンパク質に一般化され,合成生物学の応用が進んでいます.