68 articoli
Questo studio dimostra che i Xenobot, costrutti viventi sintetici privi di sistema nervoso, sono in grado di sviluppare memorie comportamentali, fisiologiche e trascrizionali specifiche in risposta a stimoli chimici, aprendo nuove prospettive sulla capacità di apprendimento dei sistemi cellulari non neurali.
Questo studio presenta la progettazione *de novo* di metalloproteasi specifiche per l'idrolisi mirata dell'amiloloide-β, ottenuta tramite un modello generativo che ha permesso di creare enzimi in grado di tagliare con alta precisione siti patologici chiave associati al morbo di Alzheimer.
Questo articolo presenta un'architettura di controllo basata su reti di reazioni chimiche che garantisce la regolazione robusta e la tracciabilità dello stato stazionario di uscite definite come combinazioni moltiplicative di concentrazioni di specie biomolecolari, estendendo il metodo a prodotti monomiali arbitrari e validando i risultati teorici attraverso simulazioni numeriche.
Gli autori dimostrano che la sovraregolazione dei fattori di adesione batterica curli e Ag43 in *Escherichia coli* permette un'adesione programmabile alle superfici plastiche, potenziando significativamente la biodegradazione del PET attraverso la secrezione locale dell'enzima PHL7.
Gli autori dimostrano che un autoencoder variazionale (VAE) addestrato sui domini di legame al DNA della famiglia LuxR può generare proteine ibride con nuove specificità di riconoscimento del DNA, ampliando così lo spazio di progettazione dei sistemi di regolazione sintetici.
Gli autori hanno sviluppato un quadro end-to-end che utilizza un sistema di replicazione del DNA ortogonale soggetto a ipermutazione per evolvere in vivo sintasi di aminoacidi capaci di produrre noncanonical aminoacidi (ncAA) direttamente all'interno del lievito, superando così la dipendenza da ncAA chirali forniti esternamente e facilitando l'espansione del codice genetico.
Questo studio presenta un approccio trasformativo per creare neuroni bionici che sintetizzano autonomamente fibrille fluorescenti integrate, le quali agiscono come neuromodulatori e offrono la possibilità di ingegnerizzare direttamente connessioni elettriche all'interno del sistema nervoso vivente.
Questo studio ottimizza la via biosintetica dei glucosinolati in *Escherichia coli* attraverso l'ingegnerizzazione enzimatica e l'ottimizzazione della fornitura di solfato, permettendo la produzione ad alto titolo di glucosinolati semplici definiti, inclusi derivati dal triptofano e dalla tirosina, con un aumento fino a 500 volte rispetto ai precedenti metodi di sintesi in lievito.
Questo studio presenta Fung-AI, una pipeline guidata dall'intelligenza artificiale che utilizza le reti generative avversarie per progettare e validare sperimentalmente nuovi peptidi antifungini, dimostrando la loro efficacia contro patogeni come *Fusarium graminearum* e *Candida albicans* con bassa citotossicità.
Il paper presenta VenusRXN, un framework di deep learning multimodale che rivoluziona la scoperta di enzimi identificando biocatalizzatori per reazioni chimiche inedite direttamente dalla loro descrizione, superando i limiti dei metodi basati sull'omologia e dimostrando con successo la sua efficacia in esperimenti di laboratorio per la sintesi di intermedi farmaceutici.
Lo studio dimostra che cicli di idratazione-disidratazione possono guidare autonomamente la crescita, la divisione e l'organizzazione interna di protocellule minimali senza reazioni chimiche, suggerendo che le fluttuazioni ambientali primordiali potrebbero aver innescato la dinamica cellulare.
Questo studio combina modellazione biochimica stocastica e analisi teorica dell'informazione per quantificare come la retroattività limiti la trasmissione dei segnali nei circuiti biologici sintetici, identificando al contempo strategie di progettazione per mitigarne gli effetti negativi o sfruttarla come meccanismo funzionale per il calcolo cellulare.
Gli autori hanno integrato un sistema CRISPRi strettamente regolato in *Pseudomonas putida* con una piattaforma di mini-bioreattori automatizzati in modalità turbidostato per mappare le dinamiche temporali delle knockdown di geni essenziali, identificando una finestra temporale critica per l'analisi fenotipica prima della selezione di mutanti "escaper" e rivelando, attraverso il profilo multi-omics, perturbazioni metabolomiche diversificate nella via di biosintesi dell'arginina.
Questo studio presenta una nuova piattaforma di virologia sintetica che utilizza la ricombinazione associata alla trasformazione (TAR) nel lievito per generare poxvirus chimerici ricombinanti con potenziali terapeutici potenziati come agenti oncolitici.
Questo studio dimostra come l'ingegneria sintetica possa essere utilizzata per modificare geneticamente i vesicoli extracellulari di *Saccharomyces cerevisiae*, identificando il scaffold Bro1 come il più efficiente per il caricamento di proteine e validando il lievito come piattaforma versatile per la produzione di EVs "designer" a scopo terapeutico.
Questo studio presenta un approccio innovativo per il riciclo biologico del PET, in cui enzimi complementari vengono assemblati su impalcature proteiche modulari per creare una cascata sinergica che converte efficientemente la plastica in monomeri, superando i limiti cinetici e di inibizione dei sistemi precedenti.
Lo studio evidenzia come i modelli linguistici genomici attuali falliscano sistematicamente nel generare genomi sintetici realistici, poiché riescono a catturare solo statistiche locali ma non riescono a preservare l'organizzazione a lungo raggio e i vincoli evolutivi fondamentali delle sequenze biologiche naturali.
Questo studio dimostra che l'espansione sperimentale della diversità delle librerie geniche di proteine fluorescenti permette di addestrare modelli di linguaggio proteico in modo da trasformare l'estrapolazione in interpolazione, facilitando così la scoperta di nuove sequenze funzionali al di fuori degli spazi naturali noti.
Gli autori dimostrano che la piattaforma CADGE 2.0, che integra l'amplificazione clonale del DNA con la trascrizione-traduzione accoppiata in un sistema privo di cellule, raggiunge un'efficienza superiore sostituendo i mix energetici commerciali standard con formulazioni domestiche ottimizzate specificamente per la replicazione del DNA.
Lo studio dimostra che l'uso di modelli di intelligenza artificiale avanzati, come Gemini 2.5 Pro, può rendere il processo di verifica dell'identità dei clienti per l'ordinazione di acidi nucleici sintetici tanto accurato quanto quello umano ma a una frazione del costo, supportando così l'adozione di sistemi ibridi che combinano l'automazione nella raccolta delle informazioni con la supervisione umana sulle decisioni finali.