고통량 균종 선별 최적화 시스템은 주로 효율적인 자동화 방법을 통해 미생물 균주를 선별하고 최적화하는데 사용되며, 특히 공업 미생물 발효, 약물 생산, 환경 관리 등 분야에서 광범위하게 응용된다.균주를 선별하는 방법은 일반적으로 다음과 같은 몇 가지 기술을 기반으로 합니다.
1. 배양기 선별
적합한 배양기 선택: 균주의 선별은 일반적으로 다른 배양기를 선택하여 목표 미생물의 생장과 산물의 생성을 촉진해야 한다.서로 다른 배지 성분은 균주의 대사 산물에 영향을 미치기 때문에 목표 제품이나 목표 기능에 따라 특정 배지를 설계해야 한다.
배양기 최적화: 배양기 중의 탄소원, 질소원, 광물질과 pH값 등을 조정하여 균주의 대사산물 생산능력을 최적화할 수 있다.
2. 하이패스 필터링 기술
HTS(고통량 선별 기술)를 사용하면 많은 균주의 특성을 비교적 짧은 시간 내에 병렬로 검사할 수 있다.일반적인 하이패스 필터링 방법은 다음과 같습니다.
미공판법: 96공, 384공 또는 그 이상의 통량의 미공판을 사용하여 여러가지 균주의 생장, 산물의 합성 등 표현을 재빨리 선별한다.
액체배양물 검사: 자동화된 액체처리시스템을 통해 균주의 성장속도, 대사산물 농도 등 정보를 자동으로 측정하여 최적의 표현을 가진 균주를 선별한다.
형광탐침법: 형광표기물이나 염료를 사용하여 균주의 생장 또는 대사산물의 변화를 검측하여 우량균주를 신속하게 선별한다.
자동화현미경법: 영상분석기술을 결합하여 자동현미경스캔과 균락형태분석을 리용하여 대규모견본에서 가장 좋은 균주를 선별한다.
3. 게놈 필터링
유전자 편집: CRISPR/Cas9과 같은 유전자 편집 도구를 이용하여 미생물 게놈을 방향성 개조하여 대상 제품의 생산 능력을 향상시키거나 특정 대사 경로를 최적화한다.
전체 게놈 스캔: 게놈 서열 분석과 분석을 통해 잠재력이 있는 균주를 선별하고, 우세한 대사 유전자나 내수 유전자에 중점을 둔다.
전사 그룹 분석: RNA-seq를 통해 균주의 유전자 발현 스펙트럼을 분석하여 목표 대사 경로에서 효율적인 활성을 보이는 균주를 선별한다.
4. 대사산물 선별
크로마토그래피 분석법: 고효율 액상크로마토그래피(HPLC), 기상크로마토그래피(GC), 박층크로마토그래피(TLC) 등의 기술을 사용하여 균주가 특정 배양 조건에서 대사산물을 검출하고 대사산물 생성 능력이 높은 균주를 선별한다.
질량분석법(MS): 질량분석과 결합하여 균주대사물의 정량과 정성분석을 진행하여 비교적 높은 생산량을 가진 균주를 한층 더 선별한다.
5. 저항성 필터링
항약성 테스트: 항생제 항성 또는 중금속 내성과 같은 특정 항성 선별에 대해 항약성 판이나 액체 배양을 통해 높은 통량 선별을 통해 특수한 환경 조건에 적응하는 균주를 찾을 수 있다.
환경 적응성 선별: 일부 산업 발효 과정에서 균주는 고온, 저pH 또는 고염 환경과 같은 특정 환경 조건에서 작동해야 할 수 있습니다.이런 극단적인 조건에서 선별함으로써 적응성의 균주를 찾을수 있다.
6. 효소 활성 선별
효소 활성 검사: 대상 균주에서 어떤 효소가 생성되면 적절한 바탕물을 사용하여 효소 활성을 검사할 수 있습니다. 예를 들어 색소 바탕물로 효소의 촉매 반응을 측정할 수 있습니다.이 방법은 효소 활성도가 높은 균주를 빠르게 선별할 수 있다.
형광효소표기법: 형광표기바탕물과 검측시스템을 리용하여 형광변화를 통해 효소의 활성을 검측하고 표현이 우수한 균주를 선별한다.
7. 종합 선별
다중지표선별: 균주의 생장속도, 산물생산량, 내수성, 대사특성 등 여러 요소를 결합하여 종합적으로 평가하여 우수한 균주를 선별한다.이 방법은 대규모로 효율적으로 필터링할 수 있는 대용량 자동화 플랫폼과 결합하여 자주 작동합니다.
8. 자동화 플랫폼의 응용
대용량 필터링 시스템은 일반적으로 샘플, 배양, 검사 및 분석 프로세스를 자동화하는 자동화 플랫폼을 갖추고 있습니다.예를 들어, 액체 처리 로봇과 자동화 현미경을 결합하면 짧은 시간 내에 대량의 균주를 선별할 수 있다.
9. 데이터 분석 및 최적화
빅데이터 분석: 높은 통량의 선별 데이터에 대한 통계와 기계 학습 분석을 통해 선별 전략을 더욱 최적화하고 균주 선별의 정확도와 효율을 높인다.
기계 학습 알고리즘: 기계 학습 알고리즘을 이용하여 배양 과정 중의 서로 다른 매개변수 (예: 온도, pH, 영양 성분 등) 가 균주 표현에 미치는 영향을 분석하고, 자동화 최적화 선별 전략을 최적화한다.
이러한 방법을 통해 고통량 균종 선별 최적화 시스템은 잠재력 있는 균주를 신속하고 효과적으로 선별하여 후속 연구 또는 공업화 응용에 사용할 수 있다.