科学很清楚：化石燃料对环境有害。那么为什么我们很难停止使用它们呢?经济原因至少是答案的一部分。从我们的能源网络到某些纺织品和其他产品的制造，我们社会的许多部分都是为使用化石燃料而建造的。过渡需要付出一定的代价。
但是，如果我们能够生产一种经济上有吸引力的化石燃料替代品呢?太平洋西北国家实验室 (PNNL) 的新研究提出了一种方法来做到这一点。生物学家设计了一种方法来改造酵母以生产衣康酸——一种有价值的商品化学品——使用数据集成和超级计算能力作为指导。
使用代谢建模创建微生物工厂
衣康酸作为可再生的化学原料具有巨大的潜力。它可以替代一些化石燃料衍生产品。2004 年，它在能源部 (DOE) 的一份报告中被评为“来自生物质的最高附加值化学品”之一。看到衣康酸作为石化替代品的潜力，数据科学家 Neeraj Kumar 着手使用微生物以低成本生产它。
Kumar 及其同事此前曾开发出一种方法来计算微生物的工程变化如何影响其新陈代谢。基于这个想法，Kumar 想看看他是否可以使用这些代谢预测来设计酵母以生产大量的衣康酸。
“我们需要确定衣康酸生产途径中的哪些基因我们可以改变，以便酵母可以制造更多的化学物质，”库马尔说。“挑战在于找到细胞健康和生物生产之间的平衡。”
设计-构建-测试-学习
衣康酸是由少数真菌自然产生的。PNNL 科学家 Ziyu Dai 从其他真菌中借用了基因，使 Yarrowia lipolytica 能够产生这种化学物质。当 Kumar 找她合作时，生物学家 Erin Bredeweg 一直在研究这种含有几种不同基因组合的改良酵母。Bredeweg 和她的同事创建了改良酵母的代谢和蛋白质组学特征，并将数据传递给 Kumar。
从设计-构建-测试-学习策略中汲取灵感，Kumar 和他的研究助理 Andrew McNaughton 使用机器学习来检查这个配置文件，看看可以从酵母中去除哪些非必需基因，或者可以添加哪些有用的基因，以增加衣康酸的生产。
一旦他们选择了基因来“设计”生物体，就该建造了。Bredeweg根据 Kumar 和 McNaughton 的计算预测添加或去除了基因，创造了不同版本的酵母。然后，她测试了不同的酵母菌，看看流向衣康酸生产途径的碳流是否受到影响。对 RNA 测序数据的机器学习分析表明，计算预测与实验结果相匹配，并为未来分析提供了更详细的基因预测。
“虽然这项研究仍处于早期阶段，但看到它的潜力令人兴奋，” Bredeweg 说。“机器学习和因果推断可以揭示新的思考方式，让我们思考复杂的细胞系统(如酵母)如何对单个基因变化做出反应，而不仅仅是代谢建模所能做到的。”
机器学习和多组学数据集扩展了代谢建模的潜力
酵母和其他微生物通常用于生产有用的化学品。虽然很容易让它们以高产量生产某些化学品，如乙醇，但其他化学品可能会带来更多挑战。Kumar 希望这个将机器学习与代谢建模和多组学数据集相结合的系统将有助于克服这些生产挑战。
“虽然我们仍然需要对这个模型进行更多的测试，但将这种计算引导的生物工程扩展到其他系统的潜力是惊人的，”库马尔说。“这一策略可以为生产环保化学品的生物系统设计开辟一个新时代。”
