Streamlining Natural Products Biomanufacturing With Omics and Machine Learning Driven Microbial Engineering
- 作者
- Ahmad Bazli Ramzi, Syarul Nataqain Baharum, Hamidun Bunawan, Nigel S. Scrutton
- 单位
- Institute of Systems Biology (INBIOSIS), Universiti Kebangsaan Malaysia, Bangi, Malaysia; EPSRC/BSRC Future Biomanufacturing Research Hub, BBSRC/EPSRC Synthetic Biology Research Centre, Manchester Institute of Biotechnology and School of Chemistry, The University of Manchester, Manchester, United Kingdom
- 杂志
- Frontiers in Bioengineering and Biotechnology（2020）
- DOI
- 10.3389/fbioe.2020.608918
- 所属领域
- 合成生物学
- 关键词
- 阅读原文
- 查看 PDF 原文
解决的核心问题
如何利用组学技术和机器学习平台，对微生物进行工程改造，克服天然产物生物合成途径中的瓶颈，提高生物制造的效率和产量。
研究策略
综述了自上而下（top-down）和自下而上（bottom-up）两种生物制造策略：自上而下通过组学引导的菌株设计和途径优化（如蛋白质组、代谢组分析）来解除途径瓶颈；自下而上通过转录组挖掘植物生物合成基因，在微生物底盘中进行途径重构和表达。同时介绍机器学习（ML）辅助的DBTL循环优化。
核心内容
该综述系统梳理了组学技术与机器学习在微生物天然产物生物制造中的应用策略。研究归纳了自上而下与自下而上两种工程思路：前者借助蛋白质组、代谢组等多组学手段识别并解除宿主菌株内源代谢瓶颈，后者则通过转录组挖掘植物来源的生物合成基因，在微生物底盘中进行异源重构。为提升优化效率，作者提出将机器学习引入设计-构建-测试-学习循环，利用无监督聚类发现新酶并推荐下一步靶点，从而减少经验性筛选的盲目性。关键案例显示，对酿酒酵母对香豆酸合成进行多组学指导的调控，使产量提升20%至50%，敲除转运蛋白TAT1后以木糖为底物的滴度进一步增加50%；在柠檬烯生产中，机器学习设计的32种核糖体结合位点组合使大肠杆菌异源产量提高1.5至3倍。该工作表明，数据驱动的组学-机器学习平台能够显著加速菌株原型化，为更长、更复杂的天然产物途径（如长春花碱31步合成路径）的工业化落地提供了可行范式。
创新点
将组学技术与机器学习结合，形成数据驱动的DBTL循环，实现无偏的菌株预测和优化，减少实验筛选成本；利用SOM等无监督方法发现新酶，利用ART等工具推荐下一步设计。
研究对象（29）
| 底盘细胞 | 代谢通路 | 基因 | 蛋白 | 功能 | 说明 |
|---|---|---|---|---|---|
| Escherichia coli | MVA途径 | MK | mevalonate kinase | 催化 | 来自酿酒酵母，弱化表达以降低中间体毒性（Dahl et al., 2013） |
| Escherichia coli | MVA途径 | PMK | phosphomevalonate kinase | 催化 | 来自酿酒酵母，密码子优化（Redding-Johanson et al., 2011） |
| Escherichia coli | MVA途径 | HMGS | HMG-CoA synthase | 催化 | 来自金黄色葡萄球菌（Brunk et al., 2016） |
| Escherichia coli | MVA途径 | HMGR | HMG-CoA reductase | 催化 | 来自金黄色葡萄球菌；PCAP分析表明其表达水平需平衡（Alonso-Gutierrez et al., 2015） |
| Escherichia coli | 萜烯合成 | YDBK | pyruvate synthase | 催化 | 下调该基因提高柠檬烯产量（Brunk et al., 2016） |
| Saccharomyces cerevisiae | DXP途径 | IspG | 2-C-methyl-D-erythritol-2,4-cyclodiphosphate reductase | 催化 | 与IspH组合表达克服MEcPP转化瓶颈（Kirby et al., 2016） |
| Saccharomyces cerevisiae | DXP途径 | IspH | 4-hydroxy-3-methylbut-2-enyl diphosphate reductase | 催化 | 同上 |
| Saccharomyces cerevisiae | 苯丙烷合成/酪氨酸途径 | TAL1 | tyrosine ammonia lyase | 催化 | 来自Flavobacterium johnsoniae；ML设计5'UTR调控表达（Decoene et al., 2018） |
| Saccharomyces cerevisiae | 对香豆酸合成 | TAT1 | tyrosine/tryptophan amino acid transporter | 转运 | 敲除后木糖利用下对香豆酸产量提高50%（Borja et al., 2019） |
| Saccharomyces cerevisiae | 黄酮类合成 | Ps4CL | 4-coumarate:CoA ligase | 催化 | 来自欧芹（Gao et al., 2020） |
| Saccharomyces cerevisiae | 黄酮类合成 | PhCHS | chalcone synthase | 催化 | 来自矮牵牛（Gao et al., 2020） |
| Saccharomyces cerevisiae | 黄酮类合成 | MsCHI | chalcone isomerase | 催化 | 来自苜蓿（Gao et al., 2020） |
| Saccharomyces cerevisiae | 苄基异喹啉生物碱(BIA)合成 | PsNCS | norcoclaurine synthase | 催化 | 来自罂粟，实现(S)-网脉番荔枝碱生产（DeLoache et al., 2015） |
| Saccharomyces cerevisiae | BIA合成 | PsCYP82Y2 | reticuline epimerase | 催化 | 来自罂粟，催化(S)到(R)-网脉番荔枝碱（Farrow et al., 2015） |
| Saccharomyces cerevisiae | 二氢异古宁碱合成 | 6OMT | 6-O-methyltransferase | 催化 | 来自罂粟，10基因途径重构（Fossati et al., 2014） |
| Saccharomyces cerevisiae | 二氢异古宁碱合成 | CNMT | coclaurine N-methyltransferase | 催化 | 来自罂粟，10基因途径重构（Fossati et al., 2014） |
| Saccharomyces cerevisiae | 阿片类生物碱合成 | SalSyn | salutaridine synthase | 催化 | 来自罂粟，参与蒂巴因和氢可酮合成（Galanie et al., 2015） |
| Saccharomyces cerevisiae | 阿片类生物碱合成 | T6ODM | thebaine 6-O-demethylase | 催化 | 来自罂粟，参与蒂巴因去甲基化（Galanie et al., 2015） |
| Saccharomyces cerevisiae | 托品烷生物碱合成 | MPO | N-methylputrescine oxidase | 催化 | 来自烟草（Ping et al., 2019a; Srinivasan and Smolke, 2019） |
| Saccharomyces cerevisiae | 托品烷生物碱合成 | AaPYKS | polyketide synthase | 催化 | 来自三分三，参与托品烷生物碱合成（Ping et al., 2019b） |
| Saccharomyces cerevisiae | 灯盏花乙素合成 | C4H | cinnamate-4-hydroxylase | 催化 | 来自灯盏花（Liu et al., 2018） |
| Saccharomyces cerevisiae | 灯盏花乙素合成 | F6H | flavone-6-hydroxylase | 催化 | 来自灯盏花（Liu et al., 2018） |
| Saccharomyces cerevisiae | 灯盏花乙素合成 | F7GAT | flavonoid-7-O-glucuronosyltransferase | 催化 | 来自灯盏花（Liu et al., 2018） |
| Saccharomyces cerevisiae | 三萜皂苷合成 | CBS | cucurbitadienol synthase | 催化 | 来自罗汉果（Itkin et al., 2016） |
| Saccharomyces cerevisiae | 三萜皂苷合成 | EPH | epoxide hydrolase | 催化 | 来自罗汉果（Itkin et al., 2016） |
| Saccharomyces cerevisiae | 三萜皂苷合成 | CYP450 | cytochrome P450 | 催化 | 来自罗汉果（Itkin et al., 2016） |
| Saccharomyces cerevisiae | 大麻素合成 | PT | prenyltransferase | 催化 | 来自大麻，催化橄榄醇酸与GPP缩合（Luo et al., 2019） |
| Escherichia coli | DXP途径 | DXS | 1-deoxy-D-xylulose-5-phosphate synthase | 催化 | 使用人工神经网络设计的弱启动子s14提高无花青素产量（Meng et al., 2013） |
| Escherichia coli | MVA途径（柠檬烯） | IDI | IPP delta-isomerase | 催化 | 机器学习辅助RBS设计，提高柠檬烯产量1.5-3倍（Jervis et al., 2019） |
关键发现
- 临床使用的抗感染药物中约50-70%由天然产物提供或启发（Newman and Cragg, 2016）
- 截至2019年，高达41.3%的抗感染药物（包括抗病毒和抗疟疾药物）来源于天然产物。通过多组学分析，对香豆酸(p-CA)过量生产的酿酒酵母菌株进行调控，最终产量提高20-50%
- 敲除酪氨酸/色氨酸转运蛋白TAT1后，以木糖为底物时p-CA滴度增加50%。利用机器学习设计的核糖体结合位点(RBS)组合库（32种），经过工程改造的大肠杆菌柠檬烯产量提高1.5-3倍。长春花碱生物合成途径从牻牛儿基焦磷酸(GPP)起共需31步，其关键酶通过蛋白质组和转录组挖掘鉴定。在酿酒酵母中重构罂粟10基因途径成功合成二氢异古宁碱。
研究结论
数据中心的组学和机器学习平台将带来更精简、资源密集度更低的生物制造策略，加速菌株原型化，促进从实验室到市场的转化；组学引导的微生物工程和机器学习辅助的生物制造可扩展至宏基因组数据集，加速工业相关生物分子和药物的生产。