프로모터 공학을 통한 유전자 조절은 합성 생물학의 초석으로, 전사 네트워크에 대한 정밀한 제어를 가능하게 한다. 그러나 실험적 접근은 여전히 노동 집약적이다. 인공 신경망(ANNs)이 조절 요소 예측을 개선했지만, 프로모터-전사 인자 결합 부위(TFBS) 재조합을 위한 도구는 여전히 부족하다. 우리는 Saccharomyces cerevisiae에서 합성 프로모터의 맥락 인식 설계를 위한 ANN 프레임워크를 제시한다. 이 모델은 성공적인 통합을 위해 필요한 최적의 TFBS 삽입 위치와 프로모터 재작성의 범위를 예측한다. 이를 적용하여, TetR TFBS와의 호환성을 위해 6,011개의 원주효모 프로모터를 스크리닝하고, 높은 신뢰도의 프로모터-TFBS 쌍의 순위 목록을 생성했다. 실험적 검증 결과, 모델 설계 프로모터는 이전의 실험적 특성화나 조정 없이 최대 98.4%의 억제율을 달성했다. 우리는 또한 Mig1 TFBS 삽입을 통해 필수 유전자의 포도당 의존적 조절을 도입하여 효모 전사 네트워크를 재배선했다. 이 결과는 조절 서열 공학 및 전사 논리 재프로그래밍을 위한 확장 가능하고 예측적인 방법을 확립한다.
Kuhajda et al. (Mon,)은 이 질문을 연구했다.