合成大腸菌プロモーターのAI誘導設計と予測モデリング：包括的な-10/-35ボックスエンジニアリング

科学分野:

• 分子生物学
• 合成生物学
• バイオインフォマティクス

背景:

• プロモーターは遺伝子転写を調節し、-10ボックスと-35ボックスは強度にとって重要です。
• プロモーター配列と転写産物の間の定量的関係は十分に理解されておらず、合理的なプロモーター設計を妨げています。

研究 の 目的:

• プロモーター配列組成と転写活性を結びつける定量的フレームワークを開発すること。
• 人工知能を使用して、予測可能で調整可能な発現レベルを持つ合成プロモーターを設計すること。

主な方法:

• -10および-35ボックスでのRNAポリメラーゼ結合エネルギーを変化させることにより、合成プロモーターライブラリを構築しました。
• 機能的なプロモーターを同定するために、蛍光活性化セルソーティングとシーケンシングを使用しました。
• プロモーターの予測と設計のために、畳み込みニューラルネットワークと敵対的生成ネットワークを統合した深層学習プラットフォームを開発しました。

主要な成果:

• 発現強度が80倍の範囲で20,799個の異なるプロモーターを同定しました。
• 様々な-10パートナーにわたって高活性を付与する特定の-35ボックス配列を発見しました。
• AIプラットフォームは、プロモーター強度（r=0.84）とユーザー定義強度を持つプロモーターの設計（r=0.85）において高い精度を達成しました。

結論:

• プロモーター配列（-10/-35ボックス）と転写活性を結びつける双方向の深層学習フレームワークを確立しました。
• 大腸菌における機能的プロモーターの配列多様性を拡大しました。
• 合理的なプロモーターエンジニアリングのための予測プラットフォームを提供し、組み合わせモチーフ相互作用を解読しました。