通过组合克隆和机器学习对细菌增加L-Threonine生产进行工程

科学领域:

• 合成生物学 合成生物学
• 代谢工程是代谢工程.
• 机器学习在生物技术中的应用

背景情况:

• 优化微生物L-氨酸的生产对于工业应用至关重要.
• 传统的代谢工程方法可能耗时且资源密集.
• 整合计算方法为加速菌株发展提供了一个有希望的途径.

研究的目的:

• 用合成生物学和机器学习开发一种细菌工程的通用化策略.
• 为了增强大肠杆菌ATCC 21277.7中的L-氨酸的产生.
• 创建一个预测模型,以确定最佳的基因组合,以增加L-氨酸标位.

主要方法:

• 选择了16个与三氨酸生物合成相关的基因,用于组合克隆.
• 构建了385个菌株以生成训练数据,将基因组合与L-氨酸标位联系起来.
• 开发混合深度学习模型来预测基因组合以进行后续的优化.

主要成果:

• 在三轮代工程中,从2.7g/L到8.4g/L的L-氨酸标位显著增加.
• 用作对照 (4-5 g/L) 的专利L-氨酸生产菌株的性能优于使用的对照 (4-5 g/L).
• 确定了关键的基因修改,包括删除 (tdh,metL,dapa,dhaM) 和过度表达 (pntAB,ppc,aspC),用于增强生产.

结论:

• 综合合成生物学和机器学习方法为快速改善细菌菌株提供了有效的策略.
• 机理学和图形理论分析为改进预测模型和未来工程工作提供了洞察力.
• 这种方法表明了在工程微生物生产有价值化合物的广泛应用的潜力.