CRISPR平台加速筛选SARS-CoV-2潜在治疗靶点

据《科学》报道，基因工程公司Synthego与美国加州大学旧金山分校定量生命科学研究所Krogan实验室的研究者开发了多个基于CRISPR的工程细胞系，有助于加快对SARS-CoV-2的潜在治疗靶点的研究。

由SARS-CoV-2引起的COVID-19大流行对公共卫生和全球经济构成重大威胁。SARS-CoV-2与致死性更强、传播性更小的冠状病毒SARS-CoV-1和MERS-CoV非常相似。本次研究利用Synthego基于CRISPR的工程细胞系，通过对这3种病毒进行病毒蛋白—人类蛋白之间相互作用以及病毒蛋白定位的分析，实现了对病毒与人体细胞相互作用的300多个基因的精准靶向，随后的功能遗传筛选确定了在功能上影响冠状病毒增殖的宿主因子，包括Tom70（一种线粒体伴侣蛋白，可与SARS-CoV-1和SARS-CoV-2 Orf9b相互作用），研究者还使用单粒子cryo-EM技术在结构上表征了这种相互作用。研究人员利用CRISPR的精确性和可重复性研究了SARS-CoV-2如何影响细胞途径并最终导致疾病。

该技术平台为来自6个国家14个领先研究机构的近200名研究人员组成的国际团队的关键研究工作做出过巨大贡献，有助于开发广泛的预防冠状病毒感染的方案。（吴晓燕）

借助深度学习开发合成生物学新工具

美国哈佛大学怀斯研究所和麻省理工学院的两个科学家小组开发了一套机器学习算法，可以分析大量基于RNA的“toehold”序列，并预测哪些序列对感应和响应所需的目标序列最有效。该算法可以推广到合成生物学中解决其他问题，加快生物技术工具的发展，推动科学和医学研究进步。

toehold开关是一种可编程的工程RNA元件，能检测小分子、蛋白质和核酸。但目前该工具在实际应用中往往不能达到预期效果。研究者希望通过增强深度学习的模式识别来改善这种情况。研究者利用深度神经网络（DNN）来预测作为合成生物学中典型核糖体转换模型的toehold开关功能。为了促进DNN训练，研究者合成并表征了涵盖23个病毒基因组和906个人类转录因子的91534个toehold开关的数据集。经过核苷酸序列训练的DNN表现优于先前的最新热力学和动力学模型，并通过人类容易理解的可视化方法识别成功和失败的模式。

实验中研究者建立了两个优化模型。第一个模型主要基于卷积神经网络（CNN）和多层感知器，将toehold序列视为一维图像或核苷酸碱基行，识别碱基的模式以及这些碱基之间的潜在相互作用，预测良好和欠佳的toehold序列。

基于该模型的优化方法叫做基于序列的toehold优化和重新设计模型（STORM），STORM可以从头开始对toehold序列进行完全重新设计，最适合生成新的toehold开关，以执行特定功能，作为合成遗传电路的一部分，能够创建复杂的生物工具。

第二种模型基于自然语言处理（NLP），并将每个toehold序列视为由“单词”模式组成的“短语”，最终学习了如何将某些单词组合在一起以构成连贯的短语。将基于NLP的模型与基于CNN的模型集成在一起，创建了被称为核酸语音的优化方法，可以重新设计给定toehold开关的最后9个核苷酸，同时保留其余21个核苷酸。该技术允许创建旨在检测特定病原性RNA序列的存在的toehold，并可以用于开发新的诊断测试。

该团队通过优化旨在检测SARS-CoV-2病毒基因组片段的toehold开关来验证这两种优化方法。（吴晓燕）

研究人员开发超级酶

英国朴次茅斯大学酶创新中心的John McGeehan团队发现并设计了可以将聚对苯二甲酸乙二酯（PET）分解为单体的PETase酶，创造了无限回收塑料的可能，同时可以减少塑料污染并减少温室气体的排放。但是PETase酶的分解速率还不足以使其得到商业化应用，处理掉地球上的大量PET塑料废物。

McGeehan团队设计出了新的嵌合酶，将PET塑料自然分解的速度提高了6倍。

伊狄氏杆菌分泌一种双酶系统，可以将PET解构成其组成单体。具体来说，就是PETase解聚PET释放出可溶产物，包括（2-羟乙基）对苯二甲酸酯（MHET），该产物被MHETase裂解为对苯二甲酸和乙二醇。研究团队将PETase与MHETase简单混合后发现PET分解速度提高了1倍。研究者再用同步加速器研究MHETase的3D结构，探索其结构及功能的关系。在此基础上设计PETase和MHETase两种酶之间的连接，创造出的嵌合酶的活性是原单独酶的3倍，使PET塑料自然分解的速度提高了6倍。（吴晓燕）