HyperAI초신경
Back to Headlines

중국 연구팀, 효소-열역학 제약 고려한 대사공학 알고리즘 개발

한 달 전

과학자들이 새로운 대사 공학 타겟 설계 알고리즘 개발 ---- 중국 과학원 대사 공학은 합성 생물학의 핵심 기술 중 하나로, 미생물을 통해 필요한 화합물을 효율적으로 생산하는 주요 동력원이 되고 있습니다. 대사 타겟 예측은 설계-구축-테스트-학습 사이클의 첫 단계로, 실험 효율과 자원 투입을 결정합니다. 세포 내에서 복잡하게 연결된 효소 촉매 반응과 열역학 메커니즘이 공동으로 미생물의 대사 행동을 이끌어갑니다. 대사 네트워크의 "물리화학적 본질"에 기반한 세포 메커니즘 모델은 AI 모델이 대체하기 어려운 설명력을 가지고 있어, 대사 공학 설계 정확도를 높이는 데 중요한 도구가 되고 있습니다. 기존의 타겟 설계 알고리즘인 OptForce와 FSEOF는 화학 계량 모델에 의존하여 효소의 자원 소비와 반응의 열역학적 타당성을 무시했습니다. 중국 과학원 천진 산업 생물기술 연구소는 자연계의 "에너지 절약 및 효율성"에서 영감을 받아 자유 에너지와 효소 자원의 정밀한 동조 제어를 활용한 ET-OptME 프레임워크를 제안했습니다. 이 프레임워크는 효소 제약과 열역학 제약을 동시에 도입하여 예측의 생리적 현실성과 실험 실행 가능성을 향상시키는 것을 목표로 합니다. ET-OptME는 ET-EComp와 ET-ESEOF 두 가지 핵심 알고리즘으로 구성됩니다. ET-EComp는 다양한 상태에서의 효소 농도 범위를 비교하여 상향 또는 하향 조절 효소를 식별합니다. ET-ESEOF는 목표 통로의 유속 증가 과정에서 효소 농도 변화 추세를 스캔하여 조절 신호를 포착합니다. 또한, 이 프레임워크는 전통적인 반응 단위 수준의 타겟 예측에서 벗어나 "단백질 중심" 전략을 도입하여 다기능 효소의 예측 시 발생할 수 있는 조절 방향 일관성 문제를 해결하였습니다. 천진 산업 생물기술 연구소의 연구팀은 글루타민산균의 5가지 산업 제품 사례에서 ET-OptME의 성능을 평가하였습니다. 결과적으로, ET-OptME는 기존 화학 계량 알고리즘보다 최소 정확도 지표에서 292% 이상, 정확도에서는 106% 향상되었습니다. 현재 선두의 효소 제약 알고리즘과 비교해도, ET-OptME는 70%의 정확도 우위와 47%의 정확성 우위를 유지하고 있습니다. 연구팀은 더 나아가, pyc, gapA, leuA 등의 핵심 타겟이 예측에 성공한 이유를 대사 수준에서 분석하여, 효소-열 제약 타겟 예측 알고리즘이 경로 효율성을 높이고 대사 장애를 극복하는 데 효과적이음을 입증하였습니다. 이 연구 결과는 '대사 공학' 저널에 온라인으로 발표되었습니다. 연구는 국가 중점 연구 개발 계획과 국가 자연과학 기금의 지원을 받았습니다. 업계 전문가들은 ET-OptME 프레임워크가 대사 공학 설계의 정확도와 실험 실행 가능성을 크게 향상시킬 것으로 평가하고 있으며, 이는 대사 공학 분야의 중요한 발전을 의미합니다. 천진 산업 생물기술 연구소는 중국에서 대사 공학 및 합성 생물학 연구의 선두주자로, 이 분야에서 지속적인 혁신을 추구하고 있습니다.

Related Links