Nature子刊：南京师范大学黄和/孙小曼团队开发机器学习指导的合成生物学工程菌株优化策略

南京师范大学食品与制药工程学院黄和院士、孙小曼副教授等在 Nature 子刊 Nature Chemical Biology 上发表了题为：Optimizing multicopy chromosomal integration for stable high performing strains 的研究论文。

该研究开发了一种快速构建高性能工程菌株的染色体多拷贝整合策略，首先利用非重复序列编码计算器（MNCC）得到非重复序列作为表达元件，在此基础上开发了对不同微生物具有普适性的多拷贝整合方法（TIMS）；通过机器学习理性计算代谢途径基因的最佳拷贝数组合，构建了具有高遗传稳定性的解脂EPA（二十碳五烯酸）细胞工厂以及大肠杆菌番茄红素细胞工厂。相关实验结果展示了该策略在工业微生物中的广泛适用性以及潜在应用价值。

为了解决这些问题，该研究团队考察了非重复序列编码计算器（MNCC）在表达水平、基因长度、最大同源长度以及变体数量上的应用情况，并分别在解脂耶氏酵母、大肠杆菌、酿酒酵母中测试生成的DNA非重复序列的表达情况及稳定性。

研究结果表明，生成的非重复序列表达水平与基因的长度以及变体数量无关，并且在不同的微生物中都表现出高度的一致性。

为了平衡代谢途径的代谢流，利用机器学习来优化多基因的拷贝数组合。以7基因组成的EPA（二十碳五烯酸，一种ω-3多不饱和脂肪酸）合成途径为例，通过构建30个初始菌株作为训练集，仅经过3轮迭代训练-测试循环，EPA的含量即可达59%。此外，该策略也被用于优化大肠杆菌中番茄红素的生物合成，番茄红素的产量提高9.5倍。重要的是，利用非重复序列构建的工程菌株都保持了良好的遗传稳定性。

综上所述，该研究为构建高性能细胞工厂提供了一种新策略，该策略无需复杂的基因组编辑工具，可适用于多种微生物中。

南京师范大学食品与制药工程学院孙小曼副教授和黄和院士为研究论文共同通讯作者，博士研究生杜菲、李子佳为论文共同第一作者。杭州之江实验室唐进、黄行许教授为该研究提供了帮助。该研究得到国家重点研发计划、国家自然科学基金、江苏省优秀青年基金项目的支持。