人工智能和基于知识的方法用于合理设计大肠杆菌的SIGMA70促进者
Kangjie Xu1,2, Shangyang Yu1,2, Kun Wang1,2
1Engineering Research Center of Ministry of Education on Food Synthetic Biotechnology and School of Biotechnology, Jiangnan University, 1800 Lihu Road, Wuxi, Jiangsu 214122, China.
ACS synthetic biology
|January 4, 2024
概括
我们开发了一种基于人工智能和知识的方法来设计强大的sigma70促进剂,提高蛋白质表达率高达81.4%. 这种促进体工程方法改善了Escherichia coli中的重组蛋白质生产.
科学领域:
- 合成生物学 合成生物学
- 分子生物学分子生物学
- 生物工程是生物工程.
背景情况:
- 西格玛70促进体对于调节基因表达至关重要,并且是代谢途径工程和重组蛋白质生产的关键标.
- 开发强大而高效的sigma70促进器库对于推进合成生物学应用是必不可少的.
研究的目的:
- 开发一种人工智能 (AI) 和基于知识的方法,用于sigma70推动者的合理设计.
- 通过使用高通量选和深度学习模型来识别强大的sigma70促进者.
- 为了证明设计的促进剂在增强标蛋白的表达中的有效性.
主要方法:
- 使用增强绿色光蛋白 (eGFP) 的高通量选 (HTS) 作为报告员来识别强大的sigma70促进体.
- 采用了先前报告的深度学习模型,结合了合理设计确定的强有力的推动者的特征.
- 应用了设计的促进剂来表达大肠杆菌中的原蛋白和微生物转质氨酶 (mTG).
主要成果:
- 通过HTS和人工智能引导的设计,确定了强大的sigma70促进器.
- 使用工程促进剂实现了对原体表达 (81.4%) 和微生物转质氨酶 (mTG) 表达 (33.4%) 的显著增加.
- 在大肠杆菌中证明了mTG激活蛋白酶的可溶性表达和mTG的活性产生.
结论:
- 结合人工智能和基于知识的方法对合理的Sigma70促销商设计是有效的.
- 工程设计的sigma70促进剂可以大大提高重组蛋白质表达水平.
- 这种方法有望优化微生物系统中的代谢途径和蛋白质生产.
