基因设计空间的超高速全景解析

大规模平行基因筛选技术已被用于绘制多种遗传元件的序列与功能关系。然而，由于这些方法仅能研究短序列，对于包含多个序列元件组合、长度达多千碱基对（kb）的构建体进行高通量分析仍面临挑战。突破这一限制有望加速合成生物学的发展：通过筛选多样化的基因线路设计并学习‘组成与功能’的映射关系，可以揭示遗传元件的组合规则，从而快速识别出行为优化的设计变体。本文介绍了一种名为CLASSIC（全称‘结合长程和短程测序研究遗传复杂性’）的基因筛选平台，它结合长读和短读下一代测序（NGS）技术，能够定量评估包含多样遗传元件组合的任意长度构建体库。研究表明，CLASSIC可在单次实验中测量人类细胞中超过10万种基因线路设计（长度5-20kb）的表达谱。由此产生的数据集可用于训练机器学习模型，该模型能准确预测广阔线路设计图谱中的线路行为，揭示调控线路性能的元件组合规则。我们的研究显示，通过提高每个‘设计-构建-测试-学习’循环的通量，CLASSIC提升了合成生物学研究的速度和规模，并为复杂遗传系统的数据驱动设计奠定了实验基础。