Pseudomonas putidaにおけるイソプレノール生産の迅速な最適化を推進する自動化と機械学習

科学分野:

• 代謝工学
• 合成生物学
• バイオテクノロジー

背景:

• 微生物の代謝工学は、製品増強のための複雑なデータに苦労しています。
• 生合成の最適化には、代謝データセットの効率的な解析が必要です。
• イソプレノールは持続可能な航空燃料の重要な前駆体です。

研究 の 目的:

• Pseudomonas putidaにおけるイソプレノール生産の体系的な最適化。
• 代謝工学のための実験室自動化と機械学習の連携。
• 微生物生合成キャンペーンにおける製品収率の向上。

主な方法:

• CRISPR干渉（CRISPRi）を利用して、遺伝子ダウンレギュレーションを同時に行いました。
• 遺伝子ターゲットの選択をガイドするために機械学習を採用しました。
• 自動化された設計-構築-テスト-学習サイクルを実装しました。
• 検証とメカニズム特定のために、ハイスループットプロテオミクスを実施しました。

主要な成果:

• イソプレノール力価を5倍に増加させました。
• 6回の反復サイクルで生産を正常に最適化しました。
• 80万通りの組み合わせを探索し、機械学習によって約400の構築物を優先しました。
• CRISPRiダウンレギュレーションを検証し、主要な生物学的メカニズムを特定しました。

結論:

• 機械学習主導の自動化サイクルは、微生物力価を急速に向上させます。
• このアプローチは、深い生物学的専門知識を必要とせずに、生合成の最適化を加速します。
• この方法論は、多様な宿主、製品、代謝経路に広く適用可能です。