深层神经网络预测转录因子

近日，美国《国家科学院院刊》报道，韩国科学技术高等研究院和美国加州大学圣地亚哥分校的联合研究团队开发了一个名为“DeepTFactor”的深层神经网络，可以预测给定蛋白质序列是否为转录因子（TFs）。该工具突破了以往TFs预测的局限，可以对所有生物体转录系统实现精准预测，将成为了解生物体调控系统的有用工具。

转录因子是具有序列特异性的DNA结合蛋白，通过调节特定基因的转录调节细胞基因表达。以往通过分析与已经定性的TFs的DNA结合域的序列同源性，进行TF功能识别和预测，没有可参照同源序列的TFs就很难预测。此次，研究者开发了一个基于深度学习的工具DeepTFactor，使用卷积神经网络来提取蛋白质的特征，通过比对DNA结合域和其他潜在特征进行TF预测。

DeepTFactor在大肠杆菌K-12 MG1655中预测了332个候选TFs。其中，84个候选TFs属于y-ome，这是一组缺乏实验证据的功能基因集合。研究者通过实验验证了DeepTFactor预测的结果，进一步表征了YqhC、YiaU和YahB3个预测TFs的全基因组结合位点。（吴晓燕）

相关论文信息：

https://doi.org/10.1073/pnas.2021171118

利用活体DNA存储更多数据

随着数据时代的到来，数据存储的需求日益迫切。DNA一直是生物学最主要的信息存储介质，作为数字时代的下一代高密度数据介质，其具有很大的发展前景。目前，绝大多数基于DNA的数据存储方法都依赖于体外DNA合成，因此将数字数据一次性编码到活细胞染色体中的方法有限。

近日《自然—化学生物学》报道，美国哥伦比亚大学研究者开发了一种新的电遗传框架，可以在活细胞中直接存储数字数据。研究者使用CRISPR将基因添加到大肠杆菌DNA链中，从而使细胞在施加少量电压时能够增加产生的质粒数量。表达的增加意味着可存储的数据量增加。研究人员使用该系统将“ Hello World”一词编码进少量的大肠杆菌，然后将其混合为天然土壤样品。细菌繁殖后，研究人员成功读取了存储的信息。

研究人员表示，他们的方法仍处于测试的早期阶段，但这种方法确实有望提高DNA存储的数据容量。

这项工作建立了一个直接的数字到生物数据的存储框架，并推进了硅基和碳基实体之间进行信息交换的能力。

（吴晓燕）

相关论文信息：https://doi.org/10.1038/s41589-020-00711-4

共生培养开启工程生命材料新方向

康普茶是通过光滑、凝胶状的细菌和酵母的共生培养物（SCOBY）发酵出茶和糖，使其拥有泡沫般的味道。受此启发，英国帝国理工学院的研究人员通过快速、简便的方法来生产由细菌纤维素和工程酵母制成的生物传感器材料，这种可持续材料可以用于检测病原体、降解污染物和净化水质。该研究近日发表于《自然—材料》。

该研究属于新兴的工程生命材料领域，是合成生物学与材料工程的结合，将不同细胞或生物体的复杂群落结合起来创造结构材料，通过编程来完成产生分子、感知毒素和吞噬污染物等任务。

研究者将酿酒酵母和根瘤菌共培养，产生的纤维素可以形成坚固的薄膜，用于伤口敷料和化妆品中。在这个人工合成的SCOBY中，细菌产生的薄膜可以支撑酵母及其分泌酶，酵母分泌的蛋白质可以促进膜的生长。研究人员对SCOBY进行功能改造：一种SCOBY暴露在蓝光下时酵母分泌荧光蛋白质；一种SCOBY含有一种菌株，在环境污染物雌二醇存在时表达一种降解激素的酶；一种SCOBY对酵母进行修饰，可以检测多种污染物、蛋白质和生物标志物，并用于污染修复。

（孙裕彤 吴晓燕）

相关论文信息：https://doi.org/10.1038/s41563-020-00857-5