飲料水中の鉛検査用無細胞バイオセンサーの能動学習誘導最適化

科学分野:

• 合成生物学
• バイオセンサー工学
• 環境モニタリング

背景:

• アロステリック転写因子（aTF）は、ポイントオブユース診断に有望であるが、天然のaTFは感度と選択性が欠如している。
• 従来の最適化手法では、複数のバイオセンサー特性を同時に最適化することは困難である。

研究 の 目的:

• aTFベースのバイオセンサーを設計するための多目的、機械学習（ML）誘導無細胞遺伝子発現ワークフローを開発すること。
• 水中の鉛汚染の敏感で選択的な検出のためにaTF PbrRを設計すること。

主な方法:

• aTFを設計するためのMLによって導かれる無細胞遺伝子発現ワークフローを開発した。
• 配列と機能のデータを生成し、方向性ラベルを使用してMLモデルを訓練した。
• このワークフローを適用して、鉛検出のためのPbrR aTFを設計し、感度と選択性を最適化した。
• 凍結乾燥無細胞反応で設計されたPbrRをテストした。

主要な成果:

• 工学PbrRは、米国EPAの作用レベルで鉛を検出するようにした。
• 亜鉛からの干渉を低減するために選択性を改善した。
• 凍結乾燥バイオセンサーを使用して、飲料水中の鉛検出を約5.7 ppbまで達成した。
• MLフレームワークの他のバイオセンサーへの一般化可能性を実証した。

結論:

• ML駆動の多目的フレームワークは、合成生物学ツールの開発を加速する。
• このアプローチは、環境および健康アプリケーションのための堅牢なポイントオブユース診断を可能にする。
• 工学aTFバイオセンサーは、水質モニタリングにおける実世界のアプリケーションの可能性を示す。