在合成生物學(xué)領(lǐng)域，研究人員將來(lái)自其他生物體的酶基因?qū)肽撤N宿主體中，構(gòu)建起新的代謝途徑，可以讓宿主生產(chǎn)出自己本身不能合成的物質(zhì)，這一點(diǎn)已被證實(shí)并廣泛應(yīng)用于生物燃料、高價(jià)值化學(xué)品和抗癌藥物等化合物的生產(chǎn)中。
然而，上述的代謝途徑進(jìn)化過(guò)程并非暢通無(wú)阻，一個(gè)重要的制約因素便是基因上位效應(yīng)。
遺傳學(xué)家 Daniel Weinreich 曾表示，基因上位效應(yīng)類似于已知單個(gè)突變作用時(shí)，組合突變卻產(chǎn)生「意外之喜」。具體來(lái)講，上位基因可以抑制某個(gè)特定基因的功能性表達(dá)，這使得一些有助于優(yōu)化代謝途徑的基因突變無(wú)法發(fā)揮作用，造成代謝途徑進(jìn)化的不確定性。
自然狀態(tài)下，由于基因上位效應(yīng)的存在，一個(gè)酶的微小改造可能會(huì)使另一個(gè)酶阻礙代謝途徑的發(fā)展，導(dǎo)致代謝功能增強(qiáng)或新功能挖掘需要經(jīng)歷較長(zhǎng)的周期。因此，如何以更短時(shí)間、較少迭代次數(shù)快速達(dá)到數(shù)千年自然進(jìn)化所需的效果，一直是該領(lǐng)域研究的難點(diǎn)。
針對(duì)上述問(wèn)題，中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院合成所羅小舟團(tuán)隊(duì)利用自動(dòng)化大設(shè)施平臺(tái)技術(shù)，確定可控的進(jìn)化軌跡，實(shí)現(xiàn)了代謝通路多個(gè)關(guān)鍵性基因的自動(dòng)同步進(jìn)化。同時(shí)，結(jié)合 ProEnsemble 機(jī)器學(xué)習(xí)框架來(lái)優(yōu)化啟動(dòng)子組合，緩解進(jìn)化途徑中基因上位效應(yīng)的影響，創(chuàng)造了一個(gè)高效的通用型底盤。
研究亮點(diǎn)：
* 融合自動(dòng)化和機(jī)器學(xué)習(xí)的優(yōu)勢(shì)，提高底盤開發(fā)的速度和效率，縮短研發(fā)周期，降低成本。
* 為生物智能制造領(lǐng)域提供了前沿的技術(shù)路線和全新的解決方案。
論文地址：
https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202306935
關(guān)注公眾號(hào)，后臺(tái)回復(fù)「代謝途徑」獲取完整 PDF
自動(dòng)化平臺(tái)加速代謝途徑同步進(jìn)化
通路瓶頸設(shè)計(jì)與解除策略的三個(gè)階段
本研究提出了一種通路瓶頸設(shè)計(jì)與解除策略的方案，以柚皮素為例：
第一階段，搭載自動(dòng)化大設(shè)施平臺(tái)技術(shù)，讓合成柚皮素的相關(guān)基因低水平表達(dá)（低拷貝數(shù)背景），構(gòu)建一個(gè)柚皮素合成的人工代謝瓶頸。
第二階段，篩選與原始突變體柚皮素產(chǎn)量相當(dāng)?shù)暮蜻x突變體 4CL-11C1 和 CHS-9H9，消除柚皮素途徑的瓶頸。
第三階段，通過(guò)人工智能介導(dǎo)的啟動(dòng)子工程，將單個(gè)基因的突變體放回原始通路并平衡代謝流。
研究結(jié)果表明，在清晰軌跡的范圍內(nèi)，人工瓶頸創(chuàng)造與解除策略可實(shí)現(xiàn)代謝途徑的高效進(jìn)化，也進(jìn)一步證實(shí)了上位效應(yīng)可能會(huì)限制途徑進(jìn)化的邊界。
此外，對(duì)柚皮素關(guān)鍵基因所對(duì)應(yīng)的三種酶進(jìn)行定向進(jìn)化可能會(huì)誘發(fā)代謝途徑失衡。對(duì)此，研究人員借助機(jī)器學(xué)習(xí)框架 ProEnsemble 來(lái)優(yōu)化進(jìn)化通路的啟動(dòng)子組合，進(jìn)一步優(yōu)化每種途徑酶的表達(dá)，提高柚皮素的產(chǎn)量。
數(shù)據(jù)集：歷史公開數(shù)據(jù)篩選
數(shù)據(jù)集1：研究人員從文獻(xiàn)資料中篩選出 42 個(gè)具有廣泛動(dòng)態(tài)范圍的已報(bào)道啟動(dòng)子，最終篩選了 12 個(gè)強(qiáng)度差異顯著的啟動(dòng)子，并將它們分為高強(qiáng)度、中強(qiáng)度和低強(qiáng)度三類。
用于激活TAL-26E7, 4CL-11C1, CHS-9H9和CHI基因的12個(gè)候選啟動(dòng)子的表達(dá)強(qiáng)度水平;
PT7啟動(dòng)子為陽(yáng)性啟動(dòng)子，PBAD啟動(dòng)子為陰性啟動(dòng)子
數(shù)據(jù)集2：研究人員通過(guò) Al3+ 信號(hào)檢測(cè)法篩選了大約 1,000 個(gè)能夠產(chǎn)生高柚皮素濃度的突變體，并從中收集了一個(gè)平衡數(shù)據(jù)集。隨后，選擇了其中 108 個(gè) Al3+ 信號(hào)高于 0.2 的突變體作為高產(chǎn)代表，又隨機(jī)挑選了 50 個(gè) Al3+ 信號(hào)低于 0.2 的樣本，共 158 個(gè)突變體。其中，Top1 的 NAR1.0 菌株柚皮素產(chǎn)量比對(duì)照組高出 4.44 倍。
模型架構(gòu)：ProEnsemble 優(yōu)化啟動(dòng)子組合
研究人員提出了一種名為 ProEnsemble 的啟動(dòng)子組合預(yù)測(cè)框架，該框架旨在建立不同啟動(dòng)子組合與柚皮素產(chǎn)量之間的關(guān)系，即將 12 種不同類型啟動(dòng)子編碼，對(duì)應(yīng)的輸出是柚皮素的產(chǎn)量。
ProEnsemble 模型方案
具體來(lái)說(shuō)，通過(guò)對(duì)上述包含 158 個(gè)突變體的數(shù)據(jù)集進(jìn)行十折交叉驗(yàn)證，評(píng)估 13 種常規(guī)預(yù)測(cè)器的均方根誤差 (Root Mean Square Error, RMSE)。
隨后，通過(guò)前向模型選擇，將誤差最小的預(yù)測(cè)器依次進(jìn)行集成，選擇 RMSE 最小的集成模型作為最終的預(yù)測(cè)模型。最佳模型是 Gradient Boosting Regressor, Ridge Regressor 和 Gradient Boosting 的組合。
研究結(jié)果表明，該 ProEnsemble 模型預(yù)測(cè)的 Top5 菌株柚皮素產(chǎn)量均高于 700 mg/L，比隨機(jī)采樣（960 樣本有 5 個(gè)高產(chǎn)菌株）更具高效性和準(zhǔn)確性。
但是，該數(shù)據(jù)集的不平衡分布可能會(huì)限制模型的預(yù)測(cè)能力，導(dǎo)致 Top5 菌株產(chǎn)量均未超過(guò) NAR1.0 菌株。
模型優(yōu)化：平衡分布數(shù)據(jù)，增強(qiáng)模型性能
研究人員重新從另外 1,500 個(gè)克隆子中進(jìn)一步擴(kuò)大訓(xùn)練集，分別用柚皮素含量高于 400、500、600、700 和 800 mg/L 的數(shù)據(jù)集優(yōu)化模型。
柚皮素測(cè)定值與最優(yōu)預(yù)測(cè)模型預(yù)測(cè)值的 PCC
最終，在初始數(shù)據(jù)集中增加 27 個(gè)高于 600 mg/L 的數(shù)據(jù)集后，模型表現(xiàn)最佳，Pearson 相關(guān)系數(shù) (PCC) 從 0.74 提高到 0.82，結(jié)果表明數(shù)據(jù)集平衡分布對(duì)增強(qiáng)模型性能的重要性。
不同菌株中的柚皮素產(chǎn)量
通過(guò)檢測(cè)不同菌株中的柚皮素產(chǎn)量，研究人員發(fā)現(xiàn)第二輪預(yù)測(cè)的 Top5 菌株均能高效合成柚皮素。最高產(chǎn)的 NAR2.0 為 1.21 g/L，比 NAR1.0 高出 16%，比未經(jīng)啟動(dòng)子優(yōu)化的初始構(gòu)建體高 5.16 倍。
值得注意的是，隨機(jī)啟動(dòng)子庫(kù)中超過(guò) 99.11% 的菌株產(chǎn)量低于 1g/L，這表明 ProEnsemble 集成模型具有挖掘高產(chǎn)菌株的可能性。
實(shí)驗(yàn)結(jié)論：通用型底盤高效合成黃酮類化合物
柚皮素底盤高效合成下游黃酮類化合物
為了進(jìn)一步驗(yàn)證該研究所提方案的可行性，研究人員通過(guò)柚皮素底盤實(shí)現(xiàn)了染料木素、櫻花素和橙皮素等黃酮類化合物的高效合成，其中染料木素產(chǎn)量達(dá)到 72.32 mg/L，櫻花素產(chǎn)量為 223.39 mg/L，橙皮素產(chǎn)量為 82.50 mg/L，各黃酮產(chǎn)量均高于文獻(xiàn)報(bào)告水平，這為生產(chǎn)高附加值化合物提供了新的思路。
中國(guó)的合成生物產(chǎn)業(yè)仍處于初級(jí)階段
近年來(lái)，歐美等發(fā)達(dá)國(guó)家紛紛采取措施推動(dòng)合成生物學(xué)及其相關(guān)制造業(yè)的發(fā)展，我國(guó)政府也對(duì)該領(lǐng)域給予了高度重視，并將合成生物技術(shù)列為引領(lǐng)我國(guó)產(chǎn)業(yè)變革的顛覆性技術(shù)，與之息息相關(guān)的代謝途徑優(yōu)化，成為了越來(lái)越多研究者關(guān)注的熱點(diǎn)。
在 AI 與大數(shù)據(jù)時(shí)代背景下，機(jī)器學(xué)習(xí)技術(shù)的自動(dòng)化學(xué)習(xí)、靈活性和強(qiáng)大的數(shù)據(jù)處理能力等，為代謝途徑的優(yōu)化提供了新的思考方向，也為合成生物學(xué)帶來(lái)了新的生機(jī)。
事實(shí)上，國(guó)內(nèi)早有先驅(qū)者投身這一新興行業(yè)，本文的作者羅小舟就在 2019 年創(chuàng)立了一家專注研發(fā)合成生物技術(shù)的企業(yè)——森瑞斯生物科技（深圳）有限公司。該公司把大數(shù)據(jù)和 AI 技術(shù)用于生物合成，背靠院校的科研資源，快速研發(fā)和落地了一些高附加值的產(chǎn)品管線，成功攻克了多項(xiàng)合成生物生產(chǎn)工藝的難題，完成了細(xì)分品類的底盤細(xì)胞構(gòu)建。
此外，今年 1 月份，羅小舟博士團(tuán)隊(duì)還曾提出了一種酶動(dòng)力學(xué)參數(shù)預(yù)測(cè)框架 EF-UniKP，該框架基于預(yù)訓(xùn)練大語(yǔ)言模型和機(jī)器學(xué)習(xí)模型，實(shí)現(xiàn)了酶動(dòng)力學(xué)參數(shù)的準(zhǔn)確預(yù)測(cè)和特定酶的高效挖掘。據(jù)了解，目前研究團(tuán)隊(duì)正在與森瑞斯生物科技（深圳）有限公司展開進(jìn)一步的合作，有望推動(dòng)該技術(shù)的落地和轉(zhuǎn)化。（點(diǎn)擊查看詳細(xì)內(nèi)容：中科院羅小舟團(tuán)隊(duì)提出 UniKP 框架，大模型 + 機(jī)器學(xué)習(xí)高精度預(yù)測(cè)酶動(dòng)力學(xué)參數(shù)）
可以說(shuō)，羅小舟博士完美踐行了「產(chǎn)研融合」，在深耕合成生物學(xué)研究的同時(shí)，也在推動(dòng)優(yōu)秀成果落地產(chǎn)業(yè)。面對(duì)全球合成生物學(xué)產(chǎn)業(yè)的蓬勃發(fā)展現(xiàn)狀，羅小舟表示，盡管我國(guó)在合成生物產(chǎn)業(yè)取得了初步成就，但仍處于起始階段。因此，進(jìn)一步加強(qiáng)核心技術(shù)的研發(fā)，確?？蒲谐晒c產(chǎn)業(yè)實(shí)踐的深度結(jié)合，是縮小我國(guó)與發(fā)達(dá)國(guó)家合成生物產(chǎn)業(yè)差距的關(guān)鍵所在。
參考資料：
1.http://cn.chinagate.cn/news/2018-11/16/content_72414672_2.htm
2.https://new.qq.com/rain/a/20230918A03TY700
3.https://sheitc.sh.gov.cn/dsxxjyzl/20231129/7321884958b14651abeac020f7802f8b.html
4.https://www.develpress.com/?p=4755
5.http://www.isynbio.org/news-detail.aspx?detail=8217&parm=1772
6.https://www.cn-healthcare.com/article/20221028/content-574249.html
7.https://isynbio.siat.ac.cn/view.php?id=814
掃碼下載APP
科普中國(guó)APP
科普中國(guó)
科普中國(guó)
京公網(wǎng)安備11010202008423號(hào)