Optimization of PURE system composition using automation and active learning

Diese Studie kombiniert automatisierte Flüssigkeitsbehandlung mit Active Learning, um die Zusammensetzung des PURE-Systems effizient zu optimieren, wodurch eine bis zu dreifache Steigerung der Proteinproduktion erreicht und gezeigt wird, dass die optimalen Bedingungen sowie die Auswirkungen auf die Genexpression sowohl von der DNA-Konzentration als auch von der spezifischen Zielgen-Sequenz abhängen.

Das Wesentliche

Das große Puzzle: Wie man eine "Zelle ohne Wände" perfektioniert

Stellen Sie sich vor, Sie wollen einen Kuchen backen, aber Sie haben keine Küche, keinen Ofen und keine Zutaten in der richtigen Menge. Stattdessen haben Sie eine riesige Kiste mit einzelnen Zutaten: Mehl, Eier, Zucker, Vanille, Backpulzer – alles einzeln verpackt. Ihre Aufgabe ist es, diese Zutaten in einem Glas zu mischen, damit sie von selbst einen Kuchen backen, ohne dass ein Bäcker (eine lebende Zelle) dazwischenkommt.

Das ist im Grunde, was Wissenschaftler mit dem PURE-System machen. Es ist eine "Zelle im Glas", die aus reinen, gereinigten Proteinen und RNA besteht. Sie kann Gene ablesen und Proteine herstellen. Das Problem: Der Standard-Kuchen (die Standard-Rezeptur) ist oft etwas flach, dauert lange zu backen und schmeckt nicht immer gleich gut.

Die Forscher in dieser Studie wollten herausfinden: Wie mischen wir die Zutaten am besten, um den perfekten Protein-Kuchen zu bekommen?

Das Problem: Zu viele Möglichkeiten

Das PURE-System hat 69 verschiedene Zutaten (Proteine, RNA-Stücke, Energiequellen). Wenn man nun versucht, herauszufinden, welche Menge von welcher Zutat am besten funktioniert, hat man Milliarden von möglichen Kombinationen.

• Der alte Weg: Man probiert ein paar Rezepte aus, schmeckt, ändert etwas, probiert wieder. Das ist wie blindes Raten in einem riesigen Labyrinth.
• Der neue Weg (diese Studie): Die Forscher haben einen Roboter und einen intelligenten Lernalgorithmus (eine Art KI) eingesetzt.

Die Lösung: Der lernende Koch

Stellen Sie sich vor, Sie haben einen Koch, der nicht nur Rezepte ausprobiert, sondern sich jedes Mal merkt, was gut geschmeckt hat, und daraus lernt, das nächste Rezept noch besser zu machen.

1. Der Roboter (Echo): Ein hochpräziser Roboterarm (ein "akustischer Flüssigkeitshandler") tropft winzige Mengen der 69 Zutaten zusammen. Er ist so genau, dass er nicht einmal einen Tropfen verschwendet.
2. Der Lernalgorithmus (Active Learning): Das System mischt eine neue Kombination, schaut sich an, wie viel Protein dabei herauskommt (gemessen an einem leuchtenden Signal, wie einer kleinen Lampe, die heller wird, je mehr Protein da ist).
3. Der Kreislauf: Basierend auf dem Ergebnis sagt die KI: "Okay, das nächste Mal brauchen wir etwas mehr von Zutat A und weniger von Zutat B." Dann probiert der Roboter das neue Rezept aus.

In nur wenigen Runden (wie beim Backen, wo man nach ein paar Versuchen das perfekte Rezept findet) haben sie Rezepte gefunden, die drei Mal mehr Protein herstellten als das Standard-Rezept.

Die überraschenden Entdeckungen

1. Ein Rezept passt nicht für alle Fälle
Die Forscher stellten fest, dass es kein "Ein-Rezept-für-alles" gibt.

• Wenn man wenig DNA (den Bauplan für das Protein) in das Glas gibt, braucht man eine andere Mischung als bei viel DNA.
• Analogie: Es ist wie Autofahren. Bei wenig Verkehr (wenig DNA) ist es wichtig, dass der Motor schnell anspringt (bestimmte Enzyme). Bei viel Verkehr (viel DNA) ist es wichtiger, dass die Bremsen und die Lenkung perfekt funktionieren (andere Enzyme). Was bei wenig Verkehr gut ist, kann bei viel Verkehr zum Stau führen.

2. Nicht alle Proteine mögen das gleiche Rezept
Das war die größte Überraschung. Die Forscher haben ein riesiges Genom (eine synthetische Chromosomen-Kette mit 15 Genen) in das System gegeben. Sie optimierten das System so, dass zwei bestimmte Proteine (die wie Leuchttürme leuchteten) besonders gut produziert wurden.

• Erwartung: Alle 15 Proteine sollten jetzt auch dreimal so gut produziert werden.
• Realität: Die beiden leuchtenden Proteine wurden super produziert, aber einige der anderen 13 Proteine wurden sogar schlechter produziert!
• Analogie: Stellen Sie sich ein Orchester vor. Der Dirigent (die KI) hat den Geigern (den zwei Leuchttürmen) gesagt: "Spielt lauter!" Die Geigen spielen nun fantastisch. Aber die Trompeten und Pauken (die anderen Proteine) haben sich so sehr auf die Geigen konzentriert, dass sie fast nichts mehr spielen können. Jedes Instrument braucht einen anderen Dirigenten.

Was bedeutet das für die Zukunft?

Diese Studie zeigt, dass wir nicht einfach ein "perfektes Universalsystem" finden können, das für alles funktioniert. Stattdessen müssen wir das System maßschneidern.

• Wenn Sie ein bestimmtes Medikament produzieren wollen, müssen Sie das Rezept genau für dieses Medikament anpassen.
• Die Kombination aus Roboter-Automatisierung und KI-Lernen ist der Schlüssel, um diese komplexen Rezepte schnell zu finden, ohne Jahre lang blind herumprobieren zu müssen.

Fazit: Die Wissenschaftler haben bewiesen, dass man mit einem lernenden Roboter und viel Geduld die "Zelle im Glas" so optimieren kann, dass sie extrem effizient arbeitet. Aber man muss immer genau wissen, was man produzieren will, denn was für das eine Protein gut ist, kann für das nächste ein Desaster sein.

Technische Zusammenfassung

Titel:

Optimierung der PURE-System-Zusammensetzung mittels Automatisierung und Active Learning

1. Problemstellung

Das Protein Synthesis Using Recombinant Elements (PURE) System ist ein weit verbreitetes, zellfreies Expressionssystem, das aus definierten, gereinigten Komponenten besteht. Es ermöglicht die Rekonstruktion von Transkription und Translation ohne störende Nukleasen oder Proteasen. Trotz seiner Vorteile für die synthetische Biologie und den Aufbau synthetischer Zellen ist das System durch eine begrenzte Protein-Ausbeute, eine langsame Translationsrate und eine kurze Reaktionslebensdauer eingeschränkt.

Bisherige Optimierungsversuche beschränkten sich oft auf die Anpassung einzelner Komponenten oder Pufferbedingungen und wurden meist nur für einzelne Gene getestet. Dies macht es schwierig, Zusammenhänge zwischen der Zusammensetzung des Systems und der systemweiten Leistung über verschiedene DNA-Kontexte hinweg zu verstehen. Die hohe Dimensionalität des Parameterraums (69 Komponenten) und die komplexen, kontextabhängigen Wechselwirkungen (Epistase) erschweren eine rationale, vorab geplante Optimierung.

2. Methodik

Die Autoren entwickelten einen hochautomatisierten Workflow, der akustische Flüssigkeitsbehandlung (Echo-Liquid-Handling) mit einem Active-Learning-Framework (METIS) kombiniert, um den Zusammensetzungsbereich des PURE-Systems systematisch zu erkunden.

• Parameterraum-Reduktion: Die 69 einzelnen PURE-Komponenten (Proteine, tRNAs, Substrate, Cofaktoren) wurden in 21 funktionale Gruppen zusammengefasst (z. B. alle Initiationsfaktoren in einer Gruppe, alle Aminoacyl-tRNA-Synthetasen in einer anderen). Zusätzlich blieben 6 Komponenten als individuelle Variablen erhalten.
• Aktives Lernen (Active Learning):
  • Ein Algorithmus (basierend auf XGBoost-Regression und Bayes-Optimierung) generiert experimentelle Designs.
  • Das Ziel ist die Maximierung der Protein-Ausbeute (gemessen an der Fluoreszenzkinetik eines Reporter-Gens, mEYFP).
  • Der Prozess läuft iterativ ab: Experimente werden durchgeführt, Daten werden in das Modell eingespeist, und das Modell schlägt für die nächste Runde die vielversprechendsten neuen Zusammensetzungen vor.
• Automatisierung: Ein Echo 525 Acoustic Liquid Handler dispensierte die Komponenten präzise in 384-Well-Platten. Dies erforderte eine sorgfältige Kalibrierung der Dispensierparameter, um Viskositätsunterschiede (z. B. durch Glycerin) zu kompensieren.
• Testsysteme:
  • Einzelgen-Optimierung: Expression von mEYFP (Reporter) und lacZ (als Endpunkt-Assay) bei niedrigen (0,1 nM) und hohen (2 nM) DNA-Konzentrationen.
  • Chromosomale Optimierung: Expression eines 41-kb synthetischen Chromosoms (MSG1.1) mit 15 Genen. Hier wurde ein multi-objektives Optimierungsziel (harmonisches Mittel der Fluoreszenz von mVenus und mCherry) verwendet.
• Validierung: Die identifizierten optimalen Zusammensetzungen wurden sowohl automatisiert als auch manuell assembliert und durch Massenspektrometrie (LC-MS) auf das gesamte Proteom des MSG1.1-Chromosoms analysiert.

3. Wichtige Beiträge

• Skalierbare Optimierung: Demonstration, dass Active Learning in der Lage ist, den hochdimensionalen Raum eines komplexen biochemischen Systems (PURE) effizient zu navigieren und signifikante Verbesserungen in nur wenigen Iterationen zu finden.
• DNA-Konzentrations-Abhängigkeit: Entdeckung, dass die limitierenden Faktoren und damit die optimale Zusammensetzung des PURE-Systems stark von der Konzentration der DNA-Vorlage abhängen.
• Gen-spezifische Effekte: Aufdeckung, dass eine Optimierung, die auf einen Reporter basiert, nicht zu einer uniformen Steigerung aller Proteine in einem multicistronischen System führt.

4. Ergebnisse

• Steigerung der Ausbeute: Durch die iterative Optimierung wurde eine bis zu 3-fache Steigerung der Protein-Ausbeute und der Translationsrate für das Reporter-Gen mEYFP im Vergleich zum Standard-PURE-System (PUREfrex 2.0) erreicht.
• Unterschiedliche Regime bei DNA-Konzentration:
  • Bei niedriger DNA-Konzentration (0,1 nM) war die T7-RNA-Polymerase (t7pol) ein kritischer limitierender Faktor. Eine Erhöhung von t7pol und Tyrosin (tyr) führte zu besseren Ergebnissen.
  • Bei hoher DNA-Konzentration (2 nM) verschob sich die Limitierung hin zur Translationsinitiation. Hier waren höhere Konzentrationen von Initiationsfaktoren (IFs), Ribosomen und tRNAs sowie eine Reduktion von Cofaktoren (wie Creatinphosphat) entscheidend.
  • Die Vorhersagekraft der Machine-Learning-Modelle war bei hohen DNA-Konzentrationen deutlich höher ($R^2 \approx 0,34$ vs. $0,16$), was darauf hindeutet, dass das System bei hoher Last deterministischer und weniger stochastisch ist.
• Batch-Variabilität: Es wurde gezeigt, dass die optimale Zusammensetzung auch von der Charge der gereinigten Komponenten abhängt, was die Notwendigkeit einer anpassungsfähigen Optimierung unterstreicht.
• Chromosomale Expression (MSG1.1):
  • Die Optimierung führte zu einer Steigerung der Reporter-Proteine (mVenus, mCherry) um das 2- bis 3-fache.
  • Massenspektrometrie-Analyse: Die Analyse der 15 kodierten Proteine zeigte, dass die Verbesserung nicht uniform war. Während einige Proteine stark überexprimiert wurden, blieben andere unverändert oder wurden sogar herunterreguliert. Dies beweist, dass die Optimierung eines Teilziels (Reporter) nicht automatisch die globale Expression aller Gene auf einer DNA-Vorlage maximiert.
• Validierung: Die mit dem Echo-System identifizierten "ePURE"-Zusammensetzungen funktionierten auch bei manueller Assemblierung und waren reproduzierbar, auch wenn sie in absoluten Zahlen teilweise hinter dem kommerziellen Kit zurückblieben (was auf Batch-Effekte und Formulierungsoptimierungen im kommerziellen Produkt hindeutet).

5. Bedeutung und Ausblick

Diese Arbeit etabliert Active Learning als eine überlegene Strategie gegenüber traditionellen "Trial-and-Error"-Ansätzen oder rein rationalen Designs zur Optimierung komplexer zellfreier Systeme.

• Mechanistische Einsichten: Die Studie liefert tiefe Einblicke in die biochemischen Engpässe des PURE-Systems und zeigt, dass diese kontextabhängig sind (DNA-Konzentration, Batch-Qualität).
• Kein "One-Size-Fits-All": Es gibt keine universelle, optimale PURE-Zusammensetzung. Stattdessen müssen Formulierungen an den spezifischen Anwendungszweck (z. B. niedrige vs. hohe DNA-Last, einzelne Gene vs. ganze Chromosomen) angepasst werden.
• Zukünftige Anwendungen: Der entwickelte Workflow ist skalierbar und kann auf andere zellfreie Systeme oder komplexere Optimierungsziele (z. B. Kosten, Stabilität, globale Proteom-Profilierung) ausgeweitet werden. Die Erkenntnis, dass die Optimierung eines Reporters nicht das gesamte Proteom verbessert, ist entscheidend für die zukünftige Konstruktion synthetischer Zellen, wo ein ausgewogenes Protein-Verhältnis essenziell ist.

Zusammenfassend demonstriert die Studie, wie Automatisierung und datengesteuerte Algorithmen genutzt werden können, um die Grenzen der zellfreien Proteinsynthese zu überwinden und maßgeschneiderte biochemische Systeme für spezifische Anwendungen zu entwickeln.