49 Arbeiten
Die Synthetische Biologie verbindet Ingenieurskunst mit lebenden Systemen, um neue Funktionen zu erschaffen oder bestehende Prozesse gezielt zu verändern. Statt nur natürliche Vorgänge zu beobachten, gestalten Forscher hier Bausteine des Lebens neu, um Lösungen für Medizin, Nachhaltigkeit und Industrie zu entwickeln. Auf Gist.Science machen wir die neuesten Erkenntnisse aus diesem dynamischen Feld für jeden verständlich.
Unsere Kuratoren bearbeiten täglich die neuesten Vorab-Veröffentlichungen von bioRxiv in dieser Kategorie. Für jedes neue Preprint erstellen wir eine technisch detaillierte Zusammenfassung für Experten sowie eine vereinfachte Erklärung für ein breiteres Publikum, damit Sie den Fortschritt ohne Fachjargon-Barricaden verfolgen können.
Im Folgenden finden Sie die aktuellsten Arbeiten aus dem Bereich der Synthetischen Biologie, die gerade auf bioRxiv erschienen sind und von uns aufbereitet wurden.
Das Paper stellt CombinGym vor, eine Benchmark-Plattform mit 14 Datensätzen, die darauf abzielt, den Einfluss von Messrauschen und Trainingsstrategien auf maschinelles Lernen für kombinatorische Proteinvarianten zu analysieren und durch hierarchische Datensplits sowie experimentelle Validierung zu zeigen, wie niedrigere Mutationsordnungen die Vorhersage höherer Ordnungen verbessern.
Dieser Artikel beschreibt die systematische Entwicklung robuster, zweieingangsiger AND-Schalter in *Escherichia coli* durch die Kombination optimierter Marionette-Transkriptionsfaktoren mit maßgeschneiderten Promotor-Architekturen, wodurch praktische Designregeln zur Überwindung von Leckage und Kontextabhängigkeiten bei der Integration mehrerer regulatorischer Signale etabliert wurden.
Die Studie zeigt, dass die Aktivität der Phenylalanin-Ammoniak-Lyase in gentechnisch veränderten *Lacticaseibacillus rhamnosus* GG durch Substrattransportlimitierungen eingeschränkt ist, die durch den heterologen Transporter-Expressionsansatz, nicht jedoch durch chemische Behandlung, signifikant überwunden werden können.
Das Cepeda-Framework ist ein computergestütztes, modulares und sicherheitsorientiertes präklinisches Forschungsprogramm, das auf 21.000 Simulationszyklen basiert und einen integrierten Ansatz zur koordinierten Behandlung aller 12 offiziellen Alterungsmerkmale durch eine stoichiometrisch optimierte, durch multiple Sicherheitsmechanismen geschützte partielle Reprogrammierung vorschlägt, der jedoch noch keiner experimentellen Validierung unterzogen wurde.
Diese Studie demonstriert, dass gentechnisch veränderte Escherichia coli-Bakterien durch einen lokal codierten Lernmechanismus, der Plasmid-Kopienzahlen als Gewichte nutzt und durch Wachstumsverzerrung aktualisiert wird, physisches Lernen in lebender Materie ermöglichen und so adaptive biologische Hardware für verteilte Berechnungen und Therapien schaffen.
Diese Studie stellt eine umfassende Plattform zur maßgeschneiderten Herstellung funktionalisierter PHA-Nanopartikel mit *Cupriavidus necator* vor, die durch genetische Optimierung der PhaC-Synthasen, nachhaltige Co-Kultur-Bioprozesse und die SpyTag-SpyCatcher-Proteinfusionstechnologie eine vielseitige Anwendung in Bereichen wie Wirkstofftransport und Biosensoren ermöglicht.
Die Studie zeigt, dass synthetische lebende Konstrukte namens Xenobots, die aus Xenopus-Embryonalzellen bestehen, durch kurze Exposition gegenüber spezifischen chemischen Reizen wie ATP oder embryonalem Zellextrakt lernfähige Verhaltensänderungen, physiologische Calciumsignale und transkriptionelle Spuren entwickeln, was belegt, dass nicht-neuronale zelluläre Kollektive in der Lage sind, Informationen zu speichern und zwischen Reizen zu unterscheiden.
Die Studie präsentiert eine Auswahl-freie Methode zur Ganzgenom-Transplantation, bei der durch chemische Inaktivierung des Empfänger-Genoms tote Bakterienzellen durch den Einbau eines synthetischen Genoms wiederbelebt werden, was erstmals eine lebende synthetische Zelle aus nicht-lebenden Komponenten ermöglicht.
Die Studie demonstriert, dass ein auf Variational Autoencodern basierender Ansatz genutzt werden kann, um hybride Transkriptionsfaktoren mit neuartiger, dualer Promotor-Erkennungsfähigkeit zu entwerfen, wodurch das Design-Spektrum synthetischer genetischer Schaltkreise erweitert wird.
Die Studie stellt Fung-AI vor, eine auf Generative Adversarial Networks basierende KI-Pipeline, die erfolgreich neue antimykotische Peptide entwirft, von denen einige sowohl gegen pflanzen- als auch gegen humanpathogene Pilze wirken und ein geringes Zytotoxizitätsprofil aufweisen.