Systematic engineering and machine learning analysis of intrinsic terminators reveal crucial nucleotides directly upstream of the terminator hairpin.

Resumen Técnico: Análisis Sistemático de Ingeniería y Aprendizaje Automático de Terminadores Intrínsecos

Planteamiento del Problema
La eficiencia de la terminación transcripcional es un parámetro crítico para el ajuste fino de la expresión génica bacteriana. Sin embargo, los principios de diseño específicos que gobiernan esta eficiencia siguen sin comprenderse adecuadamente. Aunque se sabe que los terminadores intrínsecos consisten en un bucle de horquilla rico en GC seguido de una cola de poli(U) aguas abajo, no se ha caracterizado sistemáticamente la influencia del contexto de secuencia inmediato —específicamente la región 3' no traducida (3'UTR) ubicada entre el codón de parada y el bucle de la horquilla del terminador— sobre la expresión génica.

Metodología
Para investigar el impacto de la 3'UTR en la expresión génica en Escherichia coli y otras bacterias, los autores emplearon un enfoque combinado de ingeniería genética sistemática y aprendizaje automático:

1. Construcción de Librerías y Cribado: Los investigadores generaron secuencias variantes de la 3'UTR insertando secuencias aleatorizadas de 30 pb entre el codón de parada y un terminador intrínseco estándar. Estos constructos fueron probados utilizando tres genes reporteros diferentes para evaluar los niveles de producción de proteínas.
2. Sustitución Sistemática: Tras el cribado inicial, se sustituyeron sistemáticamente nucleótidos clave del terminador y de la región directamente aguas arriba de la horquilla para evaluar sus efectos específicos tanto en los niveles de ARNm como en los de proteínas.
3. Modelado de Aprendizaje Automático: Se desarrolló un modelo de aprendizaje automático de bosque aleatorio (random forest) predictivo. Este modelo fue entrenado con datos de eficiencia de terminación derivados de un conjunto diverso de secuencias de terminadores tanto naturales como sintéticas para identificar las características de secuencia correlacionadas con una alta eficiencia.

Resultados Clave

• Impacto de la Variabilidad de la 3'UTR: El estudio demostró que diferentes secuencias de la 3'UTR pueden resultar en una diferencia de hasta cinco veces en la producción de proteínas. Crucialmente, esta variación se observó de forma independiente de la secuencia codificante aguas arriba.
• El Papel de la Adenosina Aguas Arriba: Los niveles más altos de producción de proteínas se lograron consistentemente cuando un nucleótido de adenosina estaba presente directamente aguas arriba del bucle de la horquilla del terminador.
• Perspectiva Mecanística: La sustitución sistemática confirmó que la presencia de este nucleótido específico conduce a una mejora en la producción de proteínas y, simultáneamente, reduce la lectura continua (read-through) del terminador.
• Validación del Modelo: El modelo de bosque aleatorio identificó con éxito los nucleótidos directamente aguas arriba del bucle de la horquilla del terminador como una característica crítica para predecir la eficiencia de la terminación, corroborando los hallazgos experimentales.

Significancia y Reivindicaciones
El artículo afirma que el diseño de los sistemas de expresión génica bacteriana puede mejorarse significativamente optimizando la secuencia inmediatamente aguas arriba de los terminadores intrínsecos. El estudio establece que la presencia de un nucleótido de adenosina adicional en esta posición específica es un determinante crucial para mejorar el rendimiento de las proteínas y minimizar la lectura continua. Al integrar la ingeniería sistemática con el análisis de aprendizaje automático, los autores proporcionan una comprensión más clara de los determinantes de secuencia que controlan la eficiencia de la terminación transcripcional, ofreciendo un principio de diseño práctico para aplicaciones de biología sintética en bacterias.