Mit vereinten Kräften zur effizienten Verbesserung von Biokatalysatoren für eine nachhaltige Biotechnologie

Der Ersatz der derzeitigen industriellen Produktionsmethoden für Chemikalien durch nachhaltigere biotechnologische Verfahren ist dringend erforderlich, um den Verbrauch fossiler Rohstoffe und die Produktion von Treibhausgasen zu verringern. Die Entwicklung kostengünstiger biobasierter Verfahren erfordert die Schaffung stabiler und selektiver Enzyme, die als effiziente Biokatalysatoren dienen. Die Modifizierung und Testung verbesserter Enzyme mit herkömmlichen Methoden ist jedoch ein langsames und arbeitsintensives Verfahren. Um den Prozess des Enzym-Engineerings zu beschleunigen, werden neue Strategien wie die gerichtete Evolution immer beliebter. Darüber hinaus tragen computergestützte Werkzeuge, insbesondere maschinelles Lernen, dazu bei, die Möglichkeiten des Enzym-Engineerings zu erweitern.

Nun schlägt ein internationales Team von Wissenschaftlern der Charité in Berlin (Deutschland), der Technischen Universität Dänemark, der Universität Leiden (Niederlande) und des IBG-1 des Forschungszentrums Jülich (Deutschland) vor, maschinelles Lernen mit automatisierten Arbeitsabläufen und effizienten Selektionsprozessen in gentechnisch veränderten Bakterien zu kombinieren, um die Herausforderungen beim Enzym-Engineering zu meistern.

Diese neue Perspektive wurde in Nature Communications veröffentlicht:

https://doi.org/10.1038/s41467-024-46574-4