微流体光激活细胞分类卷积神经网络设计的合成酵母促进剂

科学领域:

• 合成生物学 合成生物学
• 生物技术是生物技术.
• 生物工程是生物工程.

背景情况:

• 合成酵母促进剂对于基因表达和代谢物生物合成至关重要.
• 扩大选范围和改善产品识别是推动者工程的关键挑战.

研究的目的:

• 开发一个分支卷积神经网络 (B-CNN) 用于预测促进器强度和重新设计核心区域.
• 将B-CNN与遗传算法和微流体光激活细胞分类 (μFACS) 系统相结合,用于高通量选.
• 设计一种高强度的酒精氧化酶1促进剂 (P_AOX1) 以提高蛋白质的生产.

主要方法:

• 开发一个分支卷积神经网络 (B-CNN) 来分析促进子序列组成和结构性质.
• 将B-CNN与用于识别P_AOX1中的突变位点的遗传算法集成.
• 微流体光激活细胞分类 (μFACS) 系统的制造和使用,用于GFP表达库的单细胞分类和选.
• 使用微板阅读器验证选的促销者.

主要成果:

• 创建了一个新的B-CNN模型来预测相对促销商的强度和指导重新设计.
• 设计并实施了一个μFACS系统,实现了高通量细胞分类 (7000个细胞/秒).
• 一个突变的P_AOX1,强度增加了5.3倍,成功选和验证.
• 工程P_AOX1导致PD-L1特定蛋白质的产量增加了30%.

结论:

• 该研究表明,B-CNN和μFACS的强大组合可用于合理设计和酵母功能的高通量选.
• 设计的P_AOX1显示了改善代谢工程和生物制药生产的巨大潜力.
• 这项工作为推进合成生物学应用提供了新的见解和工具.