XiaoMi-AI文件搜索系统
World File Search System定向进化
HOS6932-植物合成生物学的进步，秋季2024
3个毕业生会议：10：40-11：30 AM星期一，星期三，星期五；通过Zoom同步课程，在线上有95％的画布上的材料； 5％的任务需要在UF讲师（园艺科学系）中进行身体上的存在：Cătălinvoiniciuc（协调员）大厦。 885，0003b; （352）273-4782，cvoiniciuc@ufl.edu Andrew Hanson Fifield Hall，2143； （352）273-4856，adha@ufl.edu Edmar R. Oliveira-Filho Fifield Hall，2302； （352）273-4859，Ramosdeoli.edmar@ufl.edu课程描述本课程旨在向研究生介绍合成生物学（Synbio）的基本原理以及此新兴领域的最新进展。 主题将包括实施用于代谢通路和调节回路，定向进化以及生物基础驱动的自动化的设计建造测试循环。 重点将放在植物系统上，在适当的情况下，还包括细菌和酵母系统，以加速植物酶和产品的研究。 此在线课程将使在全州范围内参与，并将讲座与互动讨论和活动相结合，但是空间受到限制，因此请尽早注册。 最终任务的一部分（课程级的5％）将涉及面对面的外展活动。 该课程将使学生能够识别，评估并有效地提出应对农业挑战的Synbio创新。 知识先决条件：没有严格的先决条件，但是需要在活生物体中的分子生物学的基本知识，例如信息流（DNA→RNA→蛋白）。 学习目标：成功完成本课程后，学生将能够：3个毕业生会议：10：40-11：30 AM星期一，星期三，星期五；通过Zoom同步课程，在线上有95％的画布上的材料； 5％的任务需要在UF讲师（园艺科学系）中进行身体上的存在：Cătălinvoiniciuc（协调员）大厦。885，0003b; （352）273-4782，cvoiniciuc@ufl.edu Andrew Hanson Fifield Hall，2143； （352）273-4856，adha@ufl.edu Edmar R. Oliveira-Filho Fifield Hall，2302； （352）273-4859，Ramosdeoli.edmar@ufl.edu课程描述本课程旨在向研究生介绍合成生物学（Synbio）的基本原理以及此新兴领域的最新进展。主题将包括实施用于代谢通路和调节回路，定向进化以及生物基础驱动的自动化的设计建造测试循环。重点将放在植物系统上，在适当的情况下，还包括细菌和酵母系统，以加速植物酶和产品的研究。此在线课程将使在全州范围内参与，并将讲座与互动讨论和活动相结合，但是空间受到限制，因此请尽早注册。最终任务的一部分（课程级的5％）将涉及面对面的外展活动。该课程将使学生能够识别，评估并有效地提出应对农业挑战的Synbio创新。知识先决条件：没有严格的先决条件，但是需要在活生物体中的分子生物学的基本知识，例如信息流（DNA→RNA→蛋白）。学习目标：成功完成本课程后，学生将能够：
设计用于癌症基因治疗的细胞色素P450酶
癌症是全球社会经济的重要负担，因为每年发生数百万个新病例和死亡。在2020年，全世界记录了近1000万次癌症死亡。癌症基因疗法的进步已彻底改变了癌症治疗的景观。具有有希望的癌症基因治疗潜力的方法是将基因引入编码化学疗法前药代谢酶的癌细胞，例如细胞色素P450（CYP）酶，这可以有效消除癌细胞。这可以通过基因定向的酶前药治疗（GDEPT）来实现。CYP酶可以进行基因设计，以改善抗癌前药转化为活性代谢物，并通过减少前药剂量来最大程度地减少化学疗法副作用。有理设计，定向进化和系统发育方法是开发量身定制的CYP酶进行癌症治疗的方法。在这里，我们提供了旨在建立能够生物激活不同化学治疗前药的高度有效的治疗基因的CYP酶进行遗传修饰的汇编。此外，本综述总结了有希望的临床前和临床试验，强调了工程化的CYP酶在GDEPT中的潜力。最后，讨论了在癌症基因治疗中使用CYP酶进行GDEPT的挑战，局限性和未来方向。
通过增强发色团填充的计算设计生成明亮的单体红色荧光蛋白
同时为定向进化更亮的变体提供了新模板。荧光蛋白的亮度被定义为它们的摩尔消光系数与量子产率的乘积，它们分别是它们的发色团吸收光的能力和将吸收光转换成发射光的效率。虽然增加这两个性质中的任何一个都会成比例地增加亮度，但是人们还不太了解 RFP 结构的变化如何有益地影响它们的消光系数，这使得通过合理设计预测有益突变变得复杂。另一方面，已知荧光团的量子产率与它们的构象灵活性直接相关，8 – 10 因为运动会将吸收的能量以热量而不是光子的形式耗散。对于荧光蛋白，研究表明，通过亚甲基桥的扭转，发色团对羟基苯亚甲基部分的扭曲会导致非辐射衰减。10,11 因此，应该可以通过设计突变来限制对羟基苯亚甲基部分的构象灵活性，从而提高 RFP 亮度，从而提高量子产率。在这里，我们使用 Triad 软件 12 进行计算蛋白质设计，以优化暗淡单体 RFP mRojoA（量子产率 = 0.02）中发色团口袋的包装，我们假设这会使发色团变硬，从而提高量子产率。为此，对发色团对羟基苯亚甲基部分周围的残基进行了突变
通过结合机器学习和超高通量筛选，工程高度活跃和多样化的核酸酶酶
设计酶以在新型化学环境中起作用是合成生物学具有广泛应用的核心目标。在这项工作中，我们描述了一项由机器学习（ML）引导的运动，以设计核酸酶NucB，核酸核酸核酸hut（一种酶）在治疗慢性伤口时应用。在多轮酶演化运动中，我们将超高通量功能筛选与ML相结合，并将其与维特罗定向进化（DE）的平行运动（DE）和硅内命中率重组（HR）进行了比较。ML引导的运动发现了数百种高度活跃的变体，最多有19倍的核酸酶活性改善，表现优于DE发现的12倍改进。此外，ML设计的命中率距离NUCB WildType高达15个突变，在命中率和多样性方面远远超过了HR方法。我们还表明，仅在进化数据上训练的模型而无需访问任何实验数据，就可以比传统的初始图书馆生成方法以明显高的速率设计功能变体。为了推动ML引导设计的未来进展，我们策划了一个55K多种变体的数据集，这是迄今为止最广泛的基因型 - 表型酶活性景观之一。数据和代码可在以下网址提供：https：//github.com/google-deepmind/nuclease_design。
2024年12月19日的博士后报告Zheng Lijia，年底接近
我的研究兴趣在于蛋白质工程，定向进化和脂质生物学。我在杰里米·巴斯金（Jeremy Baskin）实验室的博士学位工作着重于开发分子工具来研究哺乳动物细胞中的脂质信号传导。这项工作的亮点是膜编辑出版物3,7,8的开发，该工具旨在修改活细胞膜上的磷脂头组。在我在爱丽丝·廷（Alice Ting）实验室的博士后研究中，我一直在工程合成受体和可编程细胞行为和记录的酶。一个关键的成就是Pager出版物11（可编程抗原门控工程受体）的开发，这是一个合成的GPCR平台，该平台将可溶性和表面抗原的检测与多种输出相结合，例如转基因表达，G-蛋白信号传导和实时荧光。Pager通过模块化设计实现了此功能：肽抑制剂会产生自动抑制状态，而策略性地插入了靶抗原的粘合剂以释放这种抑制作用对抗原结合。建立在Pager概念上，我还在开发被感兴趣的蛋白质激活的接近标记酶。展望未来，我计划建立自己的实验室，以开发分子工具，以破译和操纵膜，蛋白质和脂质的复杂而动态的网络。
通过结合机器学习和超高通量筛选，工程高度活跃和多样化的核酸酶酶
设计酶以在新型化学环境中起作用是合成生物学具有广泛应用的核心目标。使用机器学习（ML）引导蛋白质设计有可能通过精确导航坚固的健身景观来加速发现高性能酶。在这项工作中，我们描述了ML引导的运动，以设计Nuclease NucB，该核定是一种酶，该酶在治疗慢性伤口的酶降解生物膜，以治疗慢性伤口。在多发酶演化活动中，我们将超高通量功能筛选与ML相结合，并将其与平行的电脑内定向进化（DE）和硅内命中重组（HR）策略进行了比较。ML引导的运动发现了数百种高度活跃的变体，最多有19倍的核酸酶活性改善，而DE的最佳变体提高了12倍。此外，ML设计的命中率距离NUCB WildType高达15个突变，在命中率和多样性方面远远超过了HR方法。我们还表明，仅在进化数据上训练的模型而无需访问任何实验数据，就可以比传统的初始图书馆生成方法以明显高的速率设计功能变体。为了推动ML引导设计的未来进展，我们策划了一个55K多种变体的数据集，这是迄今为止最广泛的基因型 - 表型酶活性景观之一。数据和代码可在以下网址提供：https：//github.com/google-deepmind/nuclease_design。
通过结合机器学习和超高通量筛选，工程高度活跃和多样化的核酸酶酶
优化酶在新型化学环境中起作用是合成生物学具有广泛应用的核心目标。在这项工作中，我们通过使用机器学习（ML）从超高通知功能屏幕中融合进化信息和实验数据来开发一种技术，用于设计蛋白质变体的活跃和多样化的蛋白质变体库。我们在多轮运动中验证了我们的方法，以优化NUCB的活性，nucB的活性，核酸酶酶在慢性伤口的治疗中应用。我们将我们的ML引导运动与维特罗定向进化（DE）和尼里科（Silico In-Silico）命中重组（HR）的平行运动进行了比较。ML引导的运动发现了数百种高度活跃的变体，最多有19倍的核酸酶活性改善，表现优于DE发现的12倍改进，并且在命中率和多样性方面表现出色。我们还表明，仅在进化数据上训练的模型而无需访问任何实验数据，就可以比传统的初始图书馆生成方法以明显高的速率设计功能变体。为了推动ML引导酶设计的未来进展，我们策划了一个55K多种变体的数据集，这是迄今为止最广泛的基因型 - 表型酶活性景观之一。数据和代码可在以下网址提供：https：//github.com/google-deepmind/nuclease_design。
基于噬菌体的基于RNA的技术在合成生物学中的应用
作为具有令人难以置信的多样性的最丰富的生物学实体，噬菌体（也称为噬菌体）被公认为是开发基因工具工具的分子机器的重要来源。同时，噬菌体对于建立和改善分子生物学的基本理论至关重要。对噬菌体的研究为合成电路设计提供了丰富的基本要素，并为改善定向进化平台的强大支持提供了支持。因此，噬菌体在新技术和中央科学概念的发展中起着至关重要的作用。提出并开发了RNA世界假设后，继续发现RNA的新生物学功能。RNA及其相关元素广泛用于许多领域，例如代谢工程和医学诊断，其多功能性导致RNA在合成生物学中的主要作用。基于RNA的技术的进一步开发将推进合成生物学工具，并提供RNA世界假设的验证。大多数合成生物学工作基于重新构建现有的生物系统，了解基本生物学过程并开发新技术。基于噬菌体的基于RNA的技术将为合成生物学成分提供丰富的来源。此外，噬菌体和RNA对生物进化具有很高的影响，这对于理解生命的起源，建立人工生命形式以及精确重新编程的生物学系统是关键的。本综述讨论了基于噬菌体的RNA基于噬菌体成分的技术术语，噬菌体生命周期以及噬菌体与细菌之间的相互作用。将强调从噬菌体衍生出的基于RNA的技术，用于合成生物学以及了解生物进化的最早阶段。
进化计算的生物学观点
2018年诺贝尔化学奖授予弗朗西斯·阿诺德（Frances Arnold），强调了工程学的显着趋势：现在是可行的，甚至是必不可少的，即使用自动化的甲基元素来增强人类的设计和创造力。 今天的设计的规模和复杂性增加了，以至于人类无法再理解设计空间或考虑所有合理的能力。 突破这种设计障碍是在许多工程领域中削减的重要挑战。 Arnold使用定向进化来设计具有改进和新功能的酶。 定向演化通过随机突变产生变化，并根据指定的设计目标选择变化并扩增变化（例如，催化有用的反应）。 人类专家定义了问题，并且自动化的进化执行搜索，通常会找到比人类专家设计的更好的解决方案。 进化计算（EC）旨在在计算框架中利用这一过程。 ec与诸如深度学习之类的机器学习方法明显不同，这些方法学习了正确答案的现象的预测模型。 相比之下，EC通过迭代地应用突变，重组和选择对数字个体的种群创建新的解决方案（图 1）。 这些方法（遗传编程4和进化策略5）已被应用于需要工程和科学创造力6 - 9的各种问题。 除了这些实际应用之外，EC拥有2018年诺贝尔化学奖授予弗朗西斯·阿诺德（Frances Arnold），强调了工程学的显着趋势：现在是可行的，甚至是必不可少的，即使用自动化的甲基元素来增强人类的设计和创造力。今天的设计的规模和复杂性增加了，以至于人类无法再理解设计空间或考虑所有合理的能力。突破这种设计障碍是在许多工程领域中削减的重要挑战。Arnold使用定向进化来设计具有改进和新功能的酶。定向演化通过随机突变产生变化，并根据指定的设计目标选择变化并扩增变化（例如，催化有用的反应）。人类专家定义了问题，并且自动化的进化执行搜索，通常会找到比人类专家设计的更好的解决方案。进化计算（EC）旨在在计算框架中利用这一过程。ec与诸如深度学习之类的机器学习方法明显不同，这些方法学习了正确答案的现象的预测模型。相比之下，EC通过迭代地应用突变，重组和选择对数字个体的种群创建新的解决方案（图1）。这些方法（遗传编程4和进化策略5）已被应用于需要工程和科学创造力6 - 9的各种问题。除了这些实际应用之外，EC拥有鉴于最近已获得的计算能力和数据（超过二十年前的数百万次）现在是实用的，可以模拟现实世界中的程序并进化与它们交互的工程系统的解决方案。示例包括：为农业的模拟和设计增长食谱，违反直觉但表现优于人类10，设计了改进的疾病和伤害的治疗方法11、12，造成机器人和车辆的造成的机器人和车辆，其中人为设计的控制效率不得，效率不足14，并为机器和化学工艺创造了改进的设计。
简历 ed_boyden 简历 完整版 - Ed Boyden
愿景 我擅长发明和应用技术对大脑和其他复杂生物系统进行系统映射、分析、修复和模拟。我在麻省理工学院的研究小组的理念是尝试将对这些复杂系统的观察和修复提升到“地面实况”水平，以可扩展和系统的方式解决这些系统运行的基本机制。我们正在开发一些工具，以实现纳米级精度的细胞和组织分子映射（扩展显微镜）、记录脑回路和其他生物系统的高速动态（机器人定向进化进化而来的电压指示器和其他荧光指示器，以及空间和时间多路复用的报告基因，以及使活体大脑更透明的方法），以及使用光驱动的分子工具控制脑细胞的活动（光遗传学）。我是一名神经科学家和物理学家，由于我在许多领域的跨学科培训，我精通许多工程领域，从纳米工程到化学到基因组学到光学到电气工程。我领导着一个多学科团队来解决这些问题，其中包括物理学家、化学家、计算机科学家、临床医生和硬件工程师。我们在内部将这些工具应用于分析秀丽隐杆线虫和斑马鱼幼虫等的神经系统，着眼于扩展到小鼠和人类，目标是以生物学上真实的方式模拟整个大脑。我们还致力于从根本上理解和对抗大脑衰老以及神经和精神疾病。我与世界各地的数十个实验室合作，将新技术付诸实践，并应用这些工具来解决基础和应用科学问题。我们在麻省理工学院的实验室和我们的合作伙伴已经将我们的工具分发给了世界各地的数千名研究人员。