Conception de séquences cibles mitochondriales diverses et fonctionnelles chez les organismes eucaryotes à l'aide d'un autoencodeur variationnel

Les mitochondries jouent un rôle clé dans la production d'énergie et le métabolisme, ce qui en fait une cible prometteuse pour l'ingénierie métabolique et le traitement des maladies. Cependant, malgré l'influence connue des protéines passagères sur l'efficacité de la localisation, peu de marqueurs de localisation protéique ont été caractérisés pour la ciblage mitochondriale. Pour remédier à cette limitation, nous utilisons un Autoencodeur Variationnel afin de concevoir de nouvelles séquences de ciblage mitochondriale. L'analyse in silico révèle qu'une grande proportion des peptides générés (90,14 %) sont fonctionnels et possèdent des caractéristiques importantes pour le ciblage mitochondriale. Nous caractérisons ces peptides artificiels chez quatre organismes eucaryotes et, comme démonstration conceptuelle, nous montrons leur utilité pour augmenter les titres d'acide 3-hydroxypropionique par compartimentation du chemin métabolique et améliorer la livraison de la synthase de 5-aminolévuline respectivement par 1,62 fois et 4,76 fois. De plus, nous utilisons l'interpolation dans l'espace latent pour éclaircir les origines évolutives des séquences à double ciblage. Dans l'ensemble, notre travail démontre le potentiel de l'intelligence artificielle générative tant pour la recherche fondamentale que pour les applications pratiques en biologie mitochondriale.