高活性植物核心启动子文库及其生成方法和应用

摘要: 本申请涉及生物工程,具体涉及一种高活性植物核心启动子文库及其生成方法和应用。背景技术:1、启动子是决定外源基因表达水平的核心调控元件,在植物基因工程和农业合成生...
高活性植物核心启动子文库及其生成方法和应用

本申请涉及生物工程,具体涉及一种高活性植物核心启动子文库及其生成方法和应用。

背景技术:

1、启动子是决定外源基因表达水平的核心调控元件,在植物基因工程和农业合成生物学中,常需要使用高活性的启动子(如花椰菜花叶病毒 35s 启动子,即camv 35s,以下简称“35s”)来驱动目的基因(如抗虫、抗除草剂基因或高附加值蛋白表达基因)的超量表达。

2、为了获得活性显著优于常规启动子的全新启动子,扩散模型已被研究人员尝试应用于启动子的设计或筛选。例如,有文献公开一种基于潜在扩散模型的酵母菌核心启动子序列生成方法,然而,潜在扩散模型长程依赖弱,依赖堆叠层扩大感受野,规模增大后性能易饱和,上限低,这不利于在多样化序列文库的设计和筛选。此外,也有文献公开了一种基于扩散模型的大肠杆菌 dna 启动子生成方法,通过 transformer 模型对 dna 序列进行预测,但该文献并未对输出的序列进行活体筛选与活性验证。事实上,相较于大肠杆菌等微生物,植物核心启动子的调控机制更为复杂,其内部广泛存在着复杂的长程依赖关系(如远端顺式元件的协同)。近年来,已有研究尝试利用生成对抗网络(如基于一维卷积架构的gan 模型)结合连续定向引导技术进行植物启动子的设计,且能够较好地拟合天然序列的局部基序特征。

3、然而,现有技术在算法底层架构上仍面临显著局限:首先,主要依赖卷积神经网络(cnn)的架构受限于局部感受野,难以充分进行全局建模以捕捉复杂植物启动子中的长距离调控语法;其次,这种基于连续隐空间优化的全局强干预机制,在算法底层原理上往往会导致生成分布的局部收敛(local convergence)与探索受限。现有技术在追求更高转录活性时,生成的序列往往被局限于隐空间内相对狭窄的特定区域,难以充分探索并覆盖更广阔的高活性序列空间边界。因此,现有技术难以在维持单体高活性的同时,最大化地拓展大规模候选文库的全局结构多样性。

4、基于以上,提供一种高活性植物核心启动子文库及其生成方法是本领域亟需的。

技术实现思路

1、针对上述存在的技术局限性,本申请提出了一种高活性植物核心启动子文库及其生成方法和应用;其克服了背景技术中提到的不足和缺陷。

2、为实现上述目的,本申请采用了以下技术方案:

3、本申请的发明点是提供一种高活性植物核心启动子文库,所述启动子文库包括有seq id no.1-seq id no.9所示核苷酸序列的启动子。

4、植物核心启动子文库的具体核苷酸序列如表1所示。

5、表1 植物核心启动子文库的具体核苷酸序列信息

6、

7、优选地,前述所述植物核心启动子文库中生成的启动子序列包括seq id no.1和seq id no.9,所述植物核心启动子文库包含的启动子活性均可超过35s启动子活性。

8、更优选地,前述所述植物核心启动子文库中生成的启动子序列包括seq id no.1和seq id no.3,所述植物核心启动子文库包含的启动子活性与强效启动子ubi活性接近。

9、可选地,上述的植物核心启动子文库,所述植物为禾本科和/或十字花科。优选地,所述植物为玉米。

10、本申请的第二个发明点是提供了一种生成高活性植物核心启动子文库的方法,所述方法包括如下步骤:

11、s1. 获取植物的天然启动子序列;

12、s2. 构建基于transformer 架构的扩散模型,然后利用天然启动子序列对所述扩散模型进行训练,得到预训练的扩散模型;

13、s3. 将启动子活性预测分类器引入所述预训练的扩散模型,通过启动子活性预测分类器提供梯度反馈,基于梯度反馈干预并引导所述预训练的扩散模型的去噪轨迹,得到生成的高活性启动子文库。

14、进一步地,本发明所述启动子活性预测分类器以分段策略梯度引导所述预训练的扩散模型的去噪轨迹;设定一时间步阈值,当时间步t>所述阈值时,所述启动子活性预测分类器以梯度引导所述预训练的扩散模型的去噪轨迹,当时间步t≤所述阈值时,停止使用启动子活性预测分类器以梯度引导所述预训练的扩散模型的去噪轨迹。

15、优选地,所述阈值为总时间步的5~20%。

16、进一步地,当启动子活性预测分类器以梯度引导所述预训练的扩散模型的去噪轨迹过程中,所述s3通过如下公式引导:

17、

18、其中,为该扩散模型在时间步t对当前序列状态预测的噪声;是启动子活性预测分类器的活性评估模型,其接收当前的序列状态作为输入,输出对应的预测活性得分,为所述预测活性得分相对于序列状态的梯度,为修正后的扩散模型的去噪方向,为方差系数,为该扩散模型的引导尺度。

19、进一步地,;其中为该扩散网络在时间步t的累积信号保留率。

20、优选地,当启动子活性预测分类器以梯度引导所述预训练的扩散模型的去噪轨迹过程中,所述的取值范围为70至95,本发明通过对该参数的取值进行限定,以实现生成序列的预测活性得分与有效序列保留率的最佳平衡,避免过度引导导致保留率发生显著下降。

21、本申请的第三个发明点是提供了一种包含前述启动子的生物材料,所述生物材料包括载体或表达盒。

22、本申请的第四个发明点是提供了上述植物核心启动子文库的用途,是用于植物核心启动子,将所述植物核心启动子可操作性地与目的基因连接,调节目的基因的表达;所述目的基因为萤火虫荧光素酶报告基因fluc。

23、与现有技术相对比,本申请具有以下优点:

24、本发明提供的植物核心启动子文库,经玉米原生质体系统验证,在双荧光素酶(luc)实验中,本申请要求保护的高活性植物核心启动子文库的启动子活性均超过35s启动子活性水平,这表明本发明提供的高活性植物核心启动子文库能够有效解决现有天然元件活性受限的问题,满足植物合成生物学对高活性调控元件的实际需求。

25、进一步,本发明还提供了生成高活性植物核心启动子文库的方法,具体为:通过构建基于transformer架构的扩散模型,并在扩散模型的去噪程序中引入启动子活性预测分类器,通过启动子活性预测分类器提供梯度反馈,直接干预并引导所述扩散模型的去噪轨迹,迫使所述扩散模型输出偏离原本的自然均值分布,向高活性序列特征空间定向收敛,从而能够快速生成具有高活性的启动子。发明人通过该方法生成7万余条的启动子候选序列,并从这7万余条序列中随机挑取14条,进行序列活体筛选与活性验证,发现有9条启动子的活性均超过35s启动子活性水平,这表明,通过本发明提供的从头设计方法,能够以较高的阳性命中率,精准且高效地获得转录驱动活性显著优于常规强启动子的全新植物核心启动子。

1.一种高活性植物核心启动子文库,其特征在于,所述启动子文库包括有seq idno.1-seq id no.9所示核苷酸序列的启动子。

2.根据权利要求1所述的植物核心启动子文库,其特征在于,所述植物为玉米。

3.一种包含权利要求1或2所述启动子的生物材料,其特征在于,所述生物材料包括载体或表达盒。

4.权利要求1或2所述植物核心启动子文库的用途,其特征在于,是用于植物核心启动子,将所述植物核心启动子可操作性地与目的基因连接,调节目的基因的表达;所述目的基因为萤火虫荧光素酶报告基因fluc。