严格直角的生物传感器的设计,以最大限度地提高可再生生物燃料的过度生产
Tong Wu1, Dongli Yan2, Sheng Lin3
1Key Laboratory of Molecular Medicine and Biotherapy, School of Life Science, Beijing Institute of Technology, No. 5 South Zhongguancun Street, Haidian District, Beijing 100081, China; Tangshan Research Institute, BIT, No. 57, South Jianshe Road, Lubei District, Tangshan, Hebei 063000, China.
这项研究开发了一种机器学习模型,用于为精确的信号分子 (SM) 定位设计转录因子 (TF),从而实现高效的生物传感器开发和代谢工程应用.
科学领域:
- 合成生物学 合成生物学
- 代谢工程是代谢工程.
- 蛋白质工程是指蛋白质的工程.
背景情况:
- 转录因子 (TFs) 结合信号分子 (SMs) 调节基因表达.
- 为特定的,非自然的SM设计TF是生物技术中的一个重大挑战.
- 实现严格的信号分子正交 (SSO) 对于精确的TF控制至关重要.
研究的目的:
- 开发一种机器学习模型 (BT模型) 来预测转录因子中的关键残留区域 (CRR).
- 为了设计转录激活器BmoR,以实现严格的信号分子直角性 (SSO).
- 创建一个支持SSO的基于BmoR的生物传感器,用于选微生物过度生产者.
主要方法:
- 采用随机森林算法来构建BT模型,识别CRRs.
- 计算模拟 (发现工作室) 用于分析BmoR-SM复合体和预测结合相互作用.
- 半理性工程CRRs和微尺度热泳 (MST) 测试验证了BmoR突变物与SSO.
主要成果:
- 模型BT在预测TF-SM相互作用方面实现了88.5%的准确性,在CRR中确定了36个关键残留值.
- 模拟了22,800个BmoR-SM复合体,产生BmoR-SM键 (BSH) 计数作为一个关键的预测参数.
- 一个支持SSO的BmoR生物传感器成功选了一种产生12.6g/L异醇的菌株.
结论:
- 该研究表明,BSH计数在TF-SM相互作用中的关键作用.
- 一个以机器学习为指导的框架推进了合理的TF设计,以实现精确的分子识别.
- 这种方法为合成生物学和代谢工程应用提供了巨大的潜力.
更多相关视频
13:42Dry Film Photoresist-based Electrochemical Microfluidic Biosensor Platform: Device Fabrication, On-chip Assay Preparation, and System Operation
Published on: September 19, 2017
08:58Efficient Sampling of Genetically Encoded Biosensor Design Space Enabled with a Design of Experiments and Automation Workflow
Published on: October 17, 2025
相关概念视频
Bioreactor Design and Operational System
Bioreactor Controls-III
Designing Growth Media for Bioreactors
Methods of Medium Optimization
Microbial Biosensors
Biofuels
