Конструирование микробных фабрик для устойчивой химии

Исследователи из Тихоокеанской северо-западной национальной лаборатории (PNNL) разработали метод, позволяющий с помощью машинного обучения и метаболического моделирования сконструировать дрожжи для производства итаконовой кислоты — ценного химического вещества, способного заменить продукты, получаемые из ископаемого топлива.

Использование метаболического моделирования

Итаконовая кислота обладает большим потенциалом в качестве возобновляемого химического строительного блока. В 2004 году она была названа одним из "ценнейших химических веществ из биомассы" в отчете Министерства энергетики США (DOE). Ученый по данным Нерадж Кумар поставил цель недорого производить её с помощью микробов.

Кумар и его коллеги ранее разработали метод расчета влияния генетических изменений в микробах на их метаболизм. На основе этой идеи Кумар решил использовать метаболические прогнозы для создания дрожжей, производящих большое количество итаконовой кислоты.

"Нам нужно было определить, какие гены в пути производства итаконовой кислоты можно изменить, чтобы дрожжи производили больше химиката. Сложность заключалась в поиске баланса между здоровьем клетки и биопроизводством", — сказал Кумар.

Стратегия "Дизайн-Сборка-Тест-Анализ"

Итаконовая кислота естественным образом производится лишь несколькими грибами. Ученый PNNL Цзюй Дай позаимствовал гены у других грибов, чтобы дать дрожжам Yarrowia lipolytica способность производить это химическое вещество. Биолог Эрин Бредевег работала над этой модифицированной дрожжевой культурой, содержащей несколько различных комбинаций генов, когда Кумар предложил ей сотрудничество. Бредевег и её коллеги создали метаболический и протеомный профиль модифицированных дрожжей и передали данные Кумару.

Следуя стратегии Design-Build-Test-Learn, Кумар и его научный сотрудник Эндрю Макнотон использовали машинное обучение для анализа этого профиля, чтобы определить, какие несущественные гены можно удалить из дрожжей или какие полезные добавить для увеличения производства итаконовой кислоты.

После выбора генов для "дизайна" организма наступила стадия "сборки". Бредевег создала различные версии дрожжей с добавленными или удаленными генами на основе вычислительных прогнозов Кумара и Макнотона. Затем она протестировала разные штаммы, чтобы проверить, повлияли ли изменения на поток углерода в сторону путей производства итаконовой кислоты. Анализ данных РНК-секвенирования с помощью машинного обучения показал, что вычислительные прогнозы совпали с экспериментальными результатами и позволили детализировать генетические прогнозы для будущего анализа.

"Хотя это исследование все еще находится на ранних стадиях, интересно видеть его потенциал. Машинное обучение и причинно-следственный вывод могут открыть новые способы понимания того, как сложная клеточная система, такая как дрожжи, может реагировать на индивидуальные изменения генов, выходящие за рамки возможностей одного лишь метаболического моделирования", — сказала Бредевег.

Расширение потенциала метаболического моделирования

Дрожжи и другие микробы обычно используются для производства полезных химических веществ. Хотя заставить их производить некоторые вещества, такие как этанол, в больших количествах легко, с другими химикатами могут возникнуть сложности. Кумар надеется, что эта система, сочетающая машинное обучение с метаболическим моделированием и мультиомиксными наборами данных, поможет преодолеть эти производственные трудности.

"Хотя нам все еще нужно больше тестировать эту модель, существует огромный потенциал для расширения этого вычислительно направленного биоинжиниринга на другие системы. Эта стратегия может открыть новую эру в дизайне биосистем для производства экологически чистых химических веществ", — сказал Кумар.