针对无序定序的有针对性的进化进行优化策略
Jessica James1, Sebastian Towers1, Jakob Foerster1
1Department of Engineering Science, University of Oxford, Oxford, United Kingdom.
PLoS computational biology
|December 19, 2024
概括
这项研究提出了优化定向进化的新方法,这是工程生物学系统的强大工具. 这些方法减少了对DNA测序的依赖,提高了效率和与新实验技术的兼容性.
科学领域:
- 生物技术是生物技术.
- 分子生物学分子生物学
- 合成生物学 合成生物学
背景情况:
- 定向进化工程师通过代突变和选择来设计生物系统,通常需要DNA测序和合成.
- 目前用于定向进化的优化方法利用机器学习,但资源密集型,与体内突变发生不兼容.
- 像光激活细胞分类 (FACS) 这样的既定技术提供了基于分类的选择,但可以通过测序要求来限制.
研究的目的:
- 探索针对导向进化的优化策略,尽量减少或消除对DNA测序的需求.
- 根据多个可测量的特征,将这些测序独立的方法适应新兴的单细胞选择技术.
- 为了证明这些替代策略在已建立的经验景观上的有效性.
主要方法:
- 开发和探索了针对定向进化的优化方法,在基于排序的技术 (如FACS) 的约束范围内.
- 扩展方法以适应新兴的定向进化技术,使单细胞选择基于组合可测量的特征.
- 在GB1和TrpB实证景观上应用和验证策略.
主要成果:
- 证明了在没有DNA测序或合成的情况下进行定向进化优化的潜力.
- 对先进的单细胞选择方法表现出适应能力.
- 在 GB1 和 TrpB 景观上分别达到全球健身峰值的概率增加了 19 倍和 7 倍.
结论:
- 优化的定向进化策略可以在没有测序的情况下实施,从而减少资源密度.
- 这些方法与新兴的单细胞选择技术兼容,扩大了适用性.
- 开发的策略显著提高了在生物工程中实现所需功能结果的效率.
