Искусственный интеллект ускорил поиск высокопроизводительных микробов с помощью «цифрового сборщика колоний»

Платформа для скрининга клеток с искусственным интеллектом — DCP. Автор: QIBEBT

Исследовательская группа из Циндаоского института биоэнергетики и биопроцессных технологий (QIBEBT) Китайской академии наук разработала полностью автоматизированный «Цифровой сборщик колоний» (DCP). Это устройство идентифицирует и отбирает высокопроизводительные микробные клоны, одновременно отслеживая их рост и производство метаболитов, что исключает необходимость в чашках Петри, иглах для отбора проб или ручном сборе. Исследование было опубликовано в журнале Nature Communications 10 октября.

Разработанный для широко используемой в синтетической биологии схемы «проектирование-создание-тестирование-обучение», DCP превращает традиционно медленную и трудоёмкую фазу «тестирования» в быстрый параллельный процесс с минимальным участием человека. Устройство использует микрофлюидный чип, содержащий 16 000 адресуемых микрокамер, которые изолируют отдельные клетки и отслеживают их рост в микроколонии.

Встроенный ИИ-движок проводит покадровый анализ как яркостных, так и биосенсорных сигналов для количественной оценки кинетики роста и производства метаболитов в реальном времени. Как только целевые колонии идентифицированы, технология лазерно-индуцированного пузырька экспортирует их в виде капель непосредственно в стандартные чашки для культивирования. Этот бесконтактный перенос минимизирует перекрёстное загрязнение и сохраняет жизнеспособность клеток.

В демонстрационном эксперименте с использованием промышленного микроорганизма Zymomonas mobilis команда применила DCP для отбора клонов, устойчивых к лактатному стрессу и при этом производящих больше лактата. После одного раунда скрининга был идентифицирован кандидат, который рос на 77% быстрее в среде с 30 г/л лактата калия и достиг почти на 20% более высокого титра лактата по сравнению с контрольной группой.

Последующий геномный анализ выявил ген внешнемембранного аутотранспортёра ZMOp39x027. Это позволяет предположить, что улучшенный транспорт и устойчивость к стрессу могут быть правдоподобным механизмом и полезной зацепкой для разработки более устойчивых и высокопродуктивных продуцентов органических кислот.

Помимо скорости, исследование подчёркивает особенности конструкции DCP, которые устраняют типичные узкие места в капельном и планшетном скрининге. Например, газовая фаза разделяет капли с культурами одиночных клеток, предотвращая перекрёстное загрязнение; быстрая смена среды поддерживает динамические или долгосрочные анализы; сквозная индексация на чипе позволяет проводить панорамный анализ со скоростью примерно 800 колоний в минуту; а бесконтактный экспорт клонов в одно нажатие кнопки обеспечивает высокую эффективность сбора и стабильный рост после экспорта.

Платформа совместима с различными микробами и методами обнаружения, легко интегрируясь в последующие рабочие процессы, такие как культивирование в колбах или тестирование в биореакторах.

Комбинируя отслеживание роста, мониторинг метаболизма и экспорт клонов в один клик, DCP превращает фенотипирование одиночных клеток в рутинный и масштабируемый процесс.

«Теперь мы можем рано выявлять редких, лучших продуцентов и сразу переводить их на этап оптимизации», — заявил профессор Ян Шихуэй, соавтор исследования из Хубэйского университета.

Исследователи отметили, что платформа эффективна не только для идентификации высокопродуктивных или устойчивых к лактату мутантов Zymomonas mobilis, но и широко применима для исследований адаптивной эволюции, открытия функциональных генов и фенотипического скрининга у различных видов микробов.

Кроме того, система DCP работает со всеми методами мутагенеза, включая полногеномное редактирование и библиотеки случайных мутаций. Её ИИ-модули — для обнаружения, сегментации и извлечения признаков — могут быть адаптированы для новых типов клеток и флуоресцентных биосенсоров.

Больше информации: Zhidian Diao et al, AI-powered high-throughput digital colony picker platform for sorting microbial strains by multi-modal phenotypes, Nature Communications (2025). DOI: 10.1038/s41467-025-63929-7

Источник: Chinese Academy of Sciences