Maximally Divergent Synonymous Gene Design with SIRIUS

Dit artikel introduceert SIRIUS, een op integer lineaire programmering gebaseerd algoritme dat synthetische genen ontwerpt die maximaal divergeren terwijl ze hetzelfde eiwit coderen, waardoor de stabiliteit van constructen wordt verbeterd ten opzichte van bestaande methoden.

De kern

SIRIUS: De "Taalmeester" voor Genen

Stel je voor dat je een heel belangrijk recept hebt, bijvoorbeeld voor een cake die iedereen in het dorp moet kunnen bakken. In de biologie is dit recept een eiwit (zoals een medicijn of een enzym). Om genoeg van deze cake te maken, willen we de bakkers (onze cellen) niet één, maar wel tien keer hetzelfde recept geven.

Het probleem? Als je tien exact dezelfde recepten op één bord legt, beginnen de bakkers ze te verwarren. Ze kunnen per ongeluk stukken van het ene recept met het andere verwarren en de cake verpesten. In de wetenschap noemen we dit recombinatie: de cellen verliezen dan hun genen en de fabriek stopt met werken.

De Oplossing: Dezelfde Taal, Andere Woorden
Gelukkig hebben we een trucje. In de taal van het leven (DNA) zijn er veel verschillende woorden (codons) die precies hetzelfde betekenen. Het woord "rood" kan ook "karmozijn" of "scharlaken" zijn. Het resultaat is hetzelfde, maar de tekst ziet er anders uit.

De uitdaging voor wetenschappers is: Hoe schrijf je tien verschillende recepten die precies dezelfde cake maken, maar zo verschillend mogelijk zijn, zodat ze nooit verward kunnen worden?

Tot nu toe gebruikten computers programma's die giswerk deden (heuristieken). Die waren snel, maar vaak niet perfect. Ze lieten soms nog te veel gelijke stukken tekst achter, wat gevaarlijk is.

Introducing SIRIUS: De Slimme Architect
In dit paper presenteren de auteurs SIRIUS. Denk aan SIRIUS niet als een snelle schrijver, maar als een super-slimme architect die een wiskundig raadsel oplost.

1. Het Wiskundige Raadsel (ILP): SIRIUS gebruikt een techniek genaamd "Integer Linear Programming". Stel je voor dat je een enorme legpuzzel hebt met miljoenen stukjes. Je wilt de puzzel zo leggen dat er geen twee stukjes van dezelfde kleur naast elkaar liggen, maar dat het plaatje (het eiwit) wel perfect blijft. SIRIUS berekent de beste mogelijke oplossing, niet zomaar een goede.
2. De "Warm Start" (De Eerste Hulp): Omdat dit raadsel zo groot is, zou het eeuwen duren om het van nul af aan op te lossen. Daarom gebruikt SIRIUS een slimme truc: het vraagt eerst een sneller, minder perfect programma (GeneDiversifier) om een eerste poging te doen. SIRIUS neemt dit als startpunt en verbetert het vervolgens tot het perfect is. Het is alsof je eerst een schets maakt en die dan verfijnt tot een meesterwerk.
3. De Regels van de Huurbaas: Soms heeft de "huurbaas" (de cel waar het gen in moet) regels. Bijvoorbeeld: "Gebruik niet te vaak het woord 'blauw', dat vinden wij niet lekker." SIRIUS respecteert deze regels, maar probeert toch zo veel mogelijk variatie te creëren.

Wat bleek eruit?
De auteurs hebben SIRIUS getest op zeven verschillende "recepten" (eiwitten) die belangrijk zijn voor medicijnen en industrie.

• Resultaat: SIRIUS slaagde erin om de genen veel meer van elkaar te laten verschillen dan de oude methoden.
• Vergelijking: Waar de oude methoden soms nog lange stukken identieke tekst lieten staan (zoals een kopie van een kopie), zorgde SIRIUS ervoor dat de teksten eruit zagen als totaal verschillende verhalen die toch dezelfde boodschap overbrachten.
• De Beperking: Soms is het onmogelijk om alles anders te maken. Als twee woorden per definitie hetzelfde beginnen (zoals "auto" en "autobus"), moet je dat accepteren. Maar SIRIUS zorgt ervoor dat dit zo min mogelijk gebeurt.

Waarom is dit belangrijk?
Voor bedrijven die medicijnen of biobrandstoffen maken, is stabiliteit alles. Als je een fabriek bouwt met tien kopieën van een gen, wil je dat die fabriek jarenlang blijft draaien zonder te crashen. SIRIUS helpt deze fabrieken sterker en stabieler te maken door de "recepten" zo uniek mogelijk te maken.

Kortom:
SIRIUS is een nieuwe, slimme tool die wiskunde gebruikt om genen te herschrijven. Het zorgt ervoor dat we meerdere kopieën van een gen veilig in een cel kunnen stoppen, zonder dat ze elkaar verwarren. Het is de sleutel tot betere, stabielere biotechnologie.

Technische samenvatting

Titel: Maximale Divergente Synonieme Genontwerp met SIRIUS

Auteurs: Amirsadra Mohseni, Ian Wheeldon, en Stefano Lonardi (UC Riverside).

---

1. Het Probleem

In de synthetische biologie is het vaak noodzakelijk om meerdere kopieën van hetzelfde gen in het genoom van een eencellig organisme te integreren om de productie van een specifiek eiwit te verhogen. Een groot risico bij het introduceren van identieke DNA-kopieën is homologe recombinatie. Wanneer deze kopieën voldoende lange identieke subsequenties delen, kunnen recombinatie-gebeurtenissen optreden die leiden tot genverlies en instabiliteit van de stam.

Om dit te voorkomen, moeten de DNA-kopieën zo divers mogelijk zijn, terwijl ze toch hetzelfde eiwit coderen. Dit wordt bereikt door gebruik te maken van de redundantie van de genetische code (synonieme codons). Het probleem is echter computationeel zeer uitdagend:

• De zoekruimte is exponentieel groot vanwege het aantal mogelijke codoncombinaties.
• Bestaande tools (zoals GeneDiversifier, CodonTransformer, NRPC) maken vaak gebruik van heuristieken, machine learning of greedy-strategieën. Deze methoden vinden vaak suboptimale oplossingen en slagen er niet altijd in om de lengte en het aantal gedeelde subsequenties tussen genkopieën effectief te minimaliseren.

2. Methodologie: SIRIUS

De auteurs introduceren SIRIUS (Systematic Identification of Redundant Identically Translated Sequences), een algoritme dat het probleem formuleert als een Integer Linear Programming (ILP) probleem. Dit stelt hen in staat om de volledige combinatorische zoekruimte systematisch te verkennen in plaats van te vertrouwen op lokale optimalisaties.

Kerncomponenten van de methode:

• ILP Formulering:
  • Variabelen: Binair variabelen worden gedefinieerd voor elke base van elke mogelijke codonoptie voor elke aminozuurpositie in elke genkopie.
  • Doelfunctie: Het doel is om een set van $N$ synonieme genen te genereren die het aantal en de lengte van gedeelde subsequenties tussen alle paren genen minimaliseren. De optimalisatie gebeurt lexicografisch: eerst wordt de lengte van de langste gedeelde subsequence geminimaliseerd, daarna de frequentie, en vervolgens kortere lengtes.
  • Constraints: Het model zorgt ervoor dat precies één codon wordt gekozen per aminozuurpositie en dat de sequenties correct het doeleiwit vertalen.
• Oplossingsstrategie:
  • Het ILP-probleem kan miljoenen variabelen en constraints bevatten, wat direct oplossen onmogelijk maakt voor realistische invoer.
  • Warm-start Heuristiek: Om de convergentietijd te versnellen, gebruikt SIRIUS eerst GeneDiversifier om een haalbare (maar suboptimale) startoplossing te genereren. Deze oplossing wordt gebruikt als startpunt voor de exacte ILP-oplosser (Google OR-Tools CP-SAT). De solver mag vervolgens de waarden herschikken om de globale optimum te vinden.
• Aanpassing aan Gastheer:
  • SIRIUS ondersteunt codon-gebruiksdrempels. Gebruikers kunnen codons uitsluiten die ongunstig zijn voor de gastheer (deterministisch) of probabilistisch beperken (zachte drempels) om de diversiteit te vergroten zonder de expressie te schaden.

3. Belangrijkste Bijdragen

1. Nieuw Optimalisatiekader: De eerste toepassing van een exacte ILP-benadering voor het ontwerp van maximaal divergente synonieme genen, in plaats van heuristische benaderingen.
2. SIRIUS Tool: Een open-source tool die in staat is om sets van synonieme genen te genereren met een significant lager aantal lange gedeelde subsequenties dan bestaande methoden.
3. Hybride Strategie: De innovatieve combinatie van een snelle greedy-heuristiek (voor warm-start) en een exacte solver, wat de rekenbaarheid van het probleem voor realistische genlengtes mogelijk maakt.
4. Flexibiliteit: Ondersteuning voor gastheer-specifieke codon-voorkeuren, wat essentieel is voor industriële toepassing.

4. Resultaten

De auteurs hebben SIRIUS getest op zeven eiwitten die relevant zijn voor de bioproductie (o.a. mCitrine, IFNA2, EPO, Insuline-achtige groeifactor 1). Ze hebben $N=10$ kopieën gegenereerd en vergeleken met GeneDiversifier en een willekeurige methode.

• Vermindering van Gedeelde Subsequenties:
  • SIRIUS produceerde consistent sets met minder lange gedeelde subsequenties dan GeneDiversifier.
  • Voor het eiwit mCitrine verminderde SIRIUS het aantal gedeelde subsequenties van 10 basen met gemiddeld 15,6% ten opzichte van de 5-minuten runtime van de solver, en 16,8% ten opzichte van de startwaarde.
  • Bij vergelijking met GeneDiversifier had SIRIUS aanzienlijk minder gedeelde subsequenties van lengte 10 (gemiddeld 1,7 vs 10) en lengte 13 (0,0 vs 0,7).
• Onvermijdelijke Grenzen:
  • Het is onmogelijk om alle gedeelde subsequenties te elimineren vanwege de beperkingen van de genetische code (bijv. alle Alanine-codons beginnen met 'GC'). SIRIUS en GeneDiversifier konden geen gedeelde subsequenties langer dan 14 basen voorkomen, terwijl de willekeurige methode tot 57 basen bereikte.
• Rekentijd:
  • De warm-start strategie was cruciaal. Zonder deze startwaarde zou het oplossen van het ILP voor realistische genen ondoenlijk lang duren.

5. Betekenis en Conclusie

SIRIUS biedt een doorbraak in het veld van stam-engineering voor de synthetische biologie. Door maximaal divergente sequenties te genereren die toch codon-geoptimaliseerd zijn, lost het een langdurige bottleneck op: de stabiliteit van multi-copy expressieconstructen.

• Stabiliteit: Het minimaliseren van lange identieke subsequenties vermindert het risico op homologe recombinatie, wat leidt tot stabielere productiestammen.
• Schaalbaarheid: Hoewel het rekenkundig intensief blijft (vooral voor zeer lange eiwitten en grote $N$), biedt SIRIUS een bewezen kader dat superieur is aan huidige heuristieken.
• Toekomst: De auteurs wijzen erop dat verdere optimalisatie van de ILP-complexiteit (bijv. via conditionele constraints) nodig is om de schaalbaarheid voor nog grotere projecten te verbeteren.

Het algoritme is beschikbaar als open-source software op GitHub, wat de adoptie in zowel academische als industriële settings faciliteert.