合成生物新突破!中科院罗小舟团队开发 ProEnsemble 机器学习框架:优化进化通路启动子组合

合成生物新突破!中科院罗小舟团队开发 ProEnsemble 机器学习框架:优化进化通路启动子组合

AIGC动态欢迎阅读

原标题:合成生物新突破!中科院罗小舟团队开发 ProEnsemble 机器学习框架:优化进化通路启动子组合
关键字:菌株,报告,模型,途径,产量
文章来源:HyperAI超神经
内容字数:7442字

内容摘要:


作者:十九
编辑:李宝珠,三羊
自动化 + ProEnsemble 机器学习框架攻克了代谢途径进化不确定性的技术壁垒,实现了柚皮素产量从实验室到工业规模生产的跨越,其通用型底盘成功合成高产量黄酮类化合物。在合成生物学领域,研究人员将来自其他生物体的酶基因导入某种宿主体中,构建起新的代谢途径,可以让宿主生产出自己本身不能合成的物质,这一点已被证实并广泛应用于生物燃料、高价值化学品和抗癌药物等化合物的生产中。
然而,上述的代谢途径进化过程并非畅通无阻,一个重要的制约因素便是基因上位效应。
遗传学家 Daniel Weinreich 曾表示,基因上位效应类似于已知单个突变作用时,组合突变却产生「意外之喜」。具体来讲,上位基因可以抑制某个特定基因的功能性表达,这使得一些有助于优化代谢途径的基因突变无法发挥作用,造成代谢途径进化的不确定性。
自然状态下,由于基因上位效应的存在,一个酶的微小改造可能会使另一个酶阻碍代谢途径的发展,导致代谢功能增强或新功能挖掘需要经历较长的周期。因此,如何以更短时间、较少迭代次数快速达到数千年自然进化所需的效果,一直是该领域研究的难点。
针对上述问题,中国科学院深圳


原文链接:合成生物新突破!中科院罗小舟团队开发 ProEnsemble 机器学习框架:优化进化通路启动子组合

联系作者

文章来源:HyperAI超神经
作者微信:HyperAI
作者简介:解构技术先进性与普适性,解读更前沿的 AIForScience 案例

阅读原文
© 版权声明

相关文章

暂无评论

暂无评论...