AI+BioLector+Biomek:加速培養(yǎng)基優(yōu)化新路徑

在合成生物學(xué)工藝開發(fā)中,培養(yǎng)基優(yōu)化作為影響產(chǎn)物滴度(Titer)、生產(chǎn)速率(Rate)和得率(Yield)的重要條件,其優(yōu)化效率至關(guān)重要。近期發(fā)表于Communications Biology的研究,開發(fā)了一種基于AI機(jī)器學(xué)習(xí)算法(Automated Recommendation Tool, ART),結(jié)合BioLector高通量培養(yǎng)與Biomek自動(dòng)化培養(yǎng)基組分制備及產(chǎn)物檢測(cè)的方法,成功優(yōu)化了惡臭假單胞菌(Pseudomonas putida KT2440)生產(chǎn)黃菊素(Flaviolin)的培養(yǎng)基。
構(gòu)建半自動(dòng)化機(jī)器學(xué)習(xí)平臺(tái)
(BioLector+AI)
研究團(tuán)隊(duì)開發(fā)了一個(gè)產(chǎn)物普適性的半自動(dòng)化平臺(tái),將高通量實(shí)驗(yàn)自動(dòng)化(BioLector+Biomek)與機(jī)器學(xué)習(xí)驅(qū)動(dòng)的ART算法緊密結(jié)合,形成快速的設(shè)計(jì)-構(gòu)建-測(cè)試-學(xué)習(xí)(DBTL)循環(huán)。

使用基于集成模型的機(jī)器學(xué)習(xí)算法ART工具(Automated Recommendation Tool, ART)。
-
初始階段(DBTL 1-2):生成覆蓋廣泛的培養(yǎng)基配方(初始設(shè)計(jì)包含12-13個(gè)可變組分)。
-
后續(xù)階段(DBTL 3+):ART基于已收集的所有歷史數(shù)據(jù)(培養(yǎng)基組分濃度作為輸入,黃菊素產(chǎn)量作為響應(yīng))訓(xùn)練預(yù)測(cè)模型。模型用于生成下一輪實(shí)驗(yàn)的推薦方案:

核心設(shè)備:Biomek液體處理工作站
-
過程:根據(jù)ART推薦的培養(yǎng)基設(shè)計(jì),工作站自動(dòng)混合15種培養(yǎng)基組分的儲(chǔ)備液,精確配制指定濃度的培養(yǎng)基。
核心設(shè)備:BioLector高通量微型生物反應(yīng)器平臺(tái)
-
過程:配制好的培養(yǎng)基被分裝至48孔梅花微孔板(BioLector專用“flower plate”)的孔中。液體工作站自動(dòng)接種工程化P. putida菌株。該步驟實(shí)現(xiàn)了培養(yǎng)基制備和接種的高度自動(dòng)化,減少了人為誤差。

核心設(shè)備:BioLector+Biomek
-
過程:接種后的微孔板在BioLector中進(jìn)行高通量嚴(yán)格控制氣體環(huán)境和培養(yǎng)條件的實(shí)時(shí)監(jiān)測(cè)。
-
培養(yǎng)參數(shù):48小時(shí)、30°C、800 rpm、80%相對(duì)濕度。
-
檢測(cè):培養(yǎng)結(jié)束后,Biomek工作站整合系統(tǒng)自動(dòng)處理樣品。使用酶標(biāo)儀和HPLC測(cè)量黃菊素產(chǎn)量。
-
數(shù)據(jù)管理:所有培養(yǎng)基設(shè)計(jì)信息和黃菊素產(chǎn)量(指標(biāo)值及HPLC值)上傳至實(shí)驗(yàn)數(shù)據(jù)倉(cāng)庫(kù)(Experiment Data Depot, EDD)。
ART從EDD獲取最新的實(shí)驗(yàn)數(shù)據(jù)。利用所有累積數(shù)據(jù)重新訓(xùn)練和更新其預(yù)測(cè)模型。學(xué)習(xí)步驟為下一個(gè)DBTL周期的設(shè)計(jì)步驟提供更準(zhǔn)確的預(yù)測(cè)基礎(chǔ)。

主要研究結(jié)果與發(fā)現(xiàn):
成功實(shí)現(xiàn)了快速DBTL循環(huán)(~3天/循環(huán),含48小時(shí)培養(yǎng))。自動(dòng)化顯著提高了實(shí)驗(yàn)重現(xiàn)性,人工操作時(shí)間大大減少(約4小時(shí)/循環(huán))。發(fā)現(xiàn)了NaCl濃度是重要影響因子,高濃度的NaCl(而非低濃度)對(duì)提高產(chǎn)量有強(qiáng)烈的正向影響。

本研究成功構(gòu)建并應(yīng)用了一個(gè)結(jié)合BioLector+Biomek自動(dòng)化高通量培養(yǎng)平臺(tái)與機(jī)器學(xué)習(xí)(ART)算法的半自動(dòng)化DBTL工作流。該平臺(tái)在優(yōu)化P. putida生產(chǎn)黃菊素的培養(yǎng)基方面展現(xiàn)出卓越的效率、重現(xiàn)性和強(qiáng)大的優(yōu)化能力,顯著提升了產(chǎn)物滴度和得率(最高達(dá)350%)。能夠有效解決合成生物學(xué)中缺乏預(yù)測(cè)能力的瓶頸問題,顯著加速生物工程研究進(jìn)程。
參考文獻(xiàn)

Zournas, A., Incha, M.R., Radivojevic, T. et al. Machine learning-led semi-automated medium optimization reveals salt as key for flaviolin production in Pseudomonas putida. Commun Biol 8, 630 (2025). https://doi.org/10.1038/s42003-025-08039-2
免責(zé)聲明
- 凡本網(wǎng)注明“來源:化工儀器網(wǎng)”的所有作品,均為浙江興旺寶明通網(wǎng)絡(luò)有限公司-化工儀器網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品,未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權(quán)使用作品的,應(yīng)在授權(quán)范圍內(nèi)使用,并注明“來源:化工儀器網(wǎng)”。違反上述聲明者,本網(wǎng)將追究其相關(guān)法律責(zé)任。
- 本網(wǎng)轉(zhuǎn)載并注明自其他來源(非化工儀器網(wǎng))的作品,目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé),不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。其他媒體、網(wǎng)站或個(gè)人從本網(wǎng)轉(zhuǎn)載時(shí),必須保留本網(wǎng)注明的作品第一來源,并自負(fù)版權(quán)等法律責(zé)任。
- 如涉及作品內(nèi)容、版權(quán)等問題,請(qǐng)?jiān)谧髌钒l(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系,否則視為放棄相關(guān)權(quán)利。
手機(jī)版
化工儀器網(wǎng)手機(jī)版
化工儀器網(wǎng)小程序
官方微信
公眾號(hào):chem17
掃碼關(guān)注視頻號(hào)











采購(gòu)中心