Desenvolvimento e otimização de RNA switches para controle transcricional empregando aprendizagem de máquina

• Processo: 23/02133-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de outubro de 2023
• Situação: Interrompido
• Área de conhecimento: Ciências Biológicas - Genética - Genética Molecular e de Microorganismos
• Pesquisador responsável: Danielle Biscaro Pedrolli
• Beneficiário: Guilherme Engelberto Kundlatsch
• Instituição Sede: Faculdade de Ciências Farmacêuticas (FCFAR). Universidade Estadual Paulista (UNESP). Campus de Araraquara. Araraquara , SP, Brasil
• Bolsa(s) vinculada(s): 25/02907-0 - Desenvolvimento de um protocolo de alto rendimento para testar uma biblioteca de RNA Switches para o treinamento de um modelo de aprendizado de máquina, BE.EP.DR
• Assunto(s): Biologia sintética Controle da expressão gênica Aprendizado computacional RNA Fluorescência
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | Biologia Sintetica | Cell-free systems | controle da expressão gênica | RNA switches | Toehold switches | Biologia Sintética

Resumo

Toehold switches são elementos sintéticos projetados para detectar a presença de um RNA trigger e controlar a expressão gênica a nível traducional. Apresentam versáteis aplicações como biosensores, ferramentas para o screening de enzimas e elementos regulatórios para engenharia metabólica. Apenas recentemente foram projetados toehold switches capazes de realizar controle transcricional, no entanto estes ainda estão em fase inicial de desenvolvimento e apresentam baixa sensibilidade à presença de triggers. O objetivo deste trabalho é otimizar esta nova classe de switches utilizando aprendizagem de máquina. Será desenvolvido um protocolo simplificando para avaliação da transcrição in vitro utilizando o RNA fluorescente corn e este será utilizado para avaliar uma biblioteca de 150 a 200 swtiches distintos. Os switches serão projetados utilizando o software NUPACK e possuirão distintos conteúdo CG e variadas energias livres de formação. Os resultados da quantificação da fluorescência obtida após a transcrição dos diferentes switches serão utilizados para o treinamento de um algoritmo de aprendizagem de máquina, que será então utilizado para o desenho de novos switches otimizados. Estes serão analizados in vitro e in vivo. Além de avançar o desenvolvimento de toehold switches transcricionais, este trabalho almeja desenvolver um software que poderá ser utilizado por outros pesquisadores no projeto de switches de RNA. (AU)