Verbesserung der Leistungsvorhersage synthetischer RNA-Schalter mit Hochdurchsatz-Screening und Deep Learning

• Antragsteller: Dr. Tianhe Wang, Ph.D.
• Fachliche Zuordnung: Biochemie
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 566109210

RNA-Aptamere und künstlich konstruierte Riboschalter haben sich als vielseitige, programmierbare Werkzeuge mit breit gefächerten Anwendungen in der klinischen Diagnostik, Therapeutika und der synthetischen Biologie etabliert. Dennoch bleibt die Entwicklung und Optimierung des regulatorischen Verhaltens dieser synthetischen RNA-Elemente eine herausfordernde Aufgabe, die oft einen komplexen iterativen Prozess erfordert. Hier ergibt sich ein Ansatzpunkt um die fortschrittlichen Mustererkennungsfähigkeiten tiefgehender Lernalgorithmen (Deep Learning, DL) zu nutzen. Das übergeordnete Ziel dieses Projekts besteht darin, die Schaltleistung aptamerbasierter RNA-Schalter sowohl durch rationales Design als auch durch in-vitro- und in-vivo-Screening zu verbessern und gleichzeitig die dabei entstehenden Datensätze zur Feinabstimmung bestehender DL-Modelle für prädiktive Analysen zu verwenden. Im Rahmen dieses Vorhabens soll zunächst die gerichtete Evolution genutzt werden, einschließlich Capture-SELEX, fluoreszenzbasierter Tröpfchen- und Zellsortierung mit anschließender Sequenzierung, um Bibliotheken von RNA-Schalter-Varianten zu screenen und zu charakterisieren. Das Schaltverhalten dieser Varianten soll anhand von Sequenzierungsdaten, Sekundärstruktur- und Reportergen-Analysen bewertet. Dies soll nicht nur zu einer verbesserten Schaltleistung führen, sondern auch eine umfassende Datenbank aufbauen, die anschließend zur Feinabstimmung vortrainierter DL-Modelle verwendet wird, um die Vorhersage optimierter aptamerbasierter RNA-Schalter zu ermöglichen. Letztendlich zielt dieser "Design-Build-Test+Learn"-Arbeitsablauf darauf ab, leistungsstarke RNA-Schalter sowie effiziente prädiktive Modelle für die zukünftige Schalterentwicklung bereitzustellen, was potenziell zu erheblichen Leistungssteigerungen von RNA-Bauelementen in verschiedenen synthetischen Biologieanwendungen führen kann.

• DFG-Verfahren: WBP Stelle