56 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.
Die Studie entwickelt programmierbare, phasenseparierte RNA-Protein-Sialogranula, die als hochaffine Glyko-Nanopartikel sowohl spezifisch Sialinsäure-Lektine erkennen als auch den Eintritt des Influenzavirus in Zellen um etwa 50 % hemmen.
Die Studie stellt ein optimiertes zellfreies Genexpressionssystem vor, das durch eine Kombination aus erhöhter T7-RNA-Polymerase-Aktivität und reduzierter Ribosomenkonzentration die Proteinproduktion aus einer einzigen DNA-Kopie in Mikrotröpfchen um das Zehnfache steigert und so robuste Signalablesungen ermöglicht.
Ein autonomes Labor, das von einem GPT-5-Large-Language-Modell angetrieben und mit der Cloud-Laborplattform von Ginkgo Bioworks integriert wurde, optimierte erfolgreich die zellfreie Proteinsynthese und erreichte durch vollautomatisierte, iterative Experimente eine Reduktion der Produktionskosten um 40 % sowie eine Steigerung des Proteintiters um 27 %.
Diese Studie zeigt, dass der Wachstumsstopp in *E. coli* die unreprämierten Genexpressionswerte in synthetischen NOT-Gattern drastisch reduziert, jedoch nur minimale Auswirkungen auf andere Schaltkreisparameter hat, was darauf hindeutet, dass auf die Wiederherstellung der Expressionswerte fokussierte Ingenieurlösungen ausreichen, um eine zuverlässige Leistung genetischer Schaltkreise in realen, nicht wachsenden Umgebungen zu gewährleisten.
Diese Studie führt ein High-Throughput-Sequenzierungs-Framework und ein neuronales Netzwerkmodell namens TRACE ein, um Millionen von Nukleotiden quantitativ zu profilieren, wodurch aufgedeckt wird, wie kryptische, sequenzkodierte Interaktionen die Plasmid-Propagation steuern, und was die Vorhersage sowie das Design wirtskompatibler Plasmide direkt aus der DNA-Sequenz ermöglicht.
Dieses Paper präsentiert ein TEVV-Framework zur experimentellen Bewertung der Biosicherheitsrisiken von KI-gestütztem Proteindesign und kommt zu dem Schluss, dass aktuelle generative KI-Modelle (Stand Anfang 2024) noch nicht leistungsfähig genug sind, um Proteine zuverlässig so umzugestalten, dass sie Biosicherheits-Screenings umgehen und gleichzeitig ihre biologische Aktivität beibehalten.