2013年8月19日訊 /生物谷BIOON/--近日，洛桑聯邦理工大學科學家已經開發出一種「模型」，可用於精確地預測既定基因（同一基因）在不同條件下產生蛋白數量的不同。這項工作將有助於生物學家改造細胞。
基因是細胞內的DNA片段，監督我們的身體如何成形（具體化）。基因收到指令產生特定的蛋白質，這些蛋白質成為我們身上一切的基石，從器官到我們的紅細胞中的血紅蛋白。因此，我們的基因是決定我們是誰的關鍵。
基因生產蛋白質的過程也被稱為基因的表達，這是非常複雜的過程，取決於許多相互聯繫的不同的因素。
蛋白影響基因，反過來又影響蛋白質，生物學家還沒有完全理解，它是如何工作的以及是什麼控制著這一系統。近日，洛桑聯邦理工學院研究生Arun Rajkumar和Nicolas Denervaud，連同研究員Sebastian Maerkl最近在上述問題中取得了突破性進展。
他們開發了一種基因表達模式，揭示了蛋白質的產生量是如何被控制的。研究結果已發表在Nature Genetics雜誌上。
基因不是簡單地切換「開」或「關」，每一個基因在它開始時都有一個DNA片段被稱為啟動子，啟動子在蛋白質的生成中起著關鍵作用。當啟動子被激活時，它產生mRNA分子，然後mRNA分子變成一種蛋白質。
但基因不是簡單地「開」或「關」，基因產生蛋白質的量可以有所不同。Maerkl實驗室的研究人員已經開發出了一個模型，可以解釋所有變體可能發生的「開」和「關」。
基因更類似汽車大燈（一種變光開關），而不僅僅是開/關按鈕。研究團隊利用酵母細胞，作為一個系統來模擬人類細胞中發生的許多過程。他們將209種不同的啟動子整合到酵母基因組中。然後將209個酵母菌株放置在微流體裝置中，並用螢光方法來確定209個啟動子合成產生蛋白質的數量。
體外結果與體外結果相一致，這意味著開發出的計算模型，基於體外數據可以預測基因表達水平。具體地說，這項工作代表一個「基因表達說明書」，預測不同結構的啟動子將產生不同量的蛋白質。
Maerkl教授說：研究表明，啟動子輸出有點像一盞燈的調光器，允許設置光的強弱。Maerkl教授的工作可能適用於所有的酵母啟動子，這是一個重要的突破，因為它有助洞察生物過程，將推動我們改造細胞的能力。
雖然研究才剛剛開始了解這其中所涉及的現象，但教授Maerkl認為此工作是有前途的。假如我們能更好地理解基因表達（蛋白生成）的生物過程，我們就能夠人為改造細胞（例如用於生產生物燃料或抗瘧疾藥物的細胞）成為性能更好的細胞。（生物谷Bioon.com）
Mapping the fine structure of a eukaryotic promoter input-output function
Arun S Rajkumar, Nicolas Dénervaud & Sebastian J Maerkl
The precise tuning of gene expression levels is essential for the optimal performance of transcriptional regulatory networks. We created 209 variants of the Saccharomyces cerevisiae PHO5 promoter to quantify how different binding sites for the transcription factor Pho4 affect its output. We found that transcription-factor binding affinities determined in vitro could quantitatively predict the output of a complex yeast promoter. Promoter output was precisely tunable by subtle changes in binding-site affinity of less than 3 kcal mol?1, which are accessible by modifying 1–2 bases. Our results provide insights into how transcription-factor binding sites regulate gene expression, their possible evolution and how they can be used to precisely tune gene expression. More generally, we show that in vitro binding-energy landscapes of transcription factors can precisely predict the output of a native yeast promoter, indicating that quantitative models of transcriptional regulatory networks are feasible.