http://www.tu-braunschweig.de http://sfb578.tu-braunschweig.de
Geschäftsführung
Mitglieder
Ziele
Projektbereiche
Publikationen
Presse
Preise
Termine
Kontakt
Impressum
 
english version

B10 Systembiotechnologie der Glycosyltransferaseproduktion mit Bacillus megaterium

(Jahn/Franco-Lara)

Die rekombinante Produktion und der Export von Modellproteinen im Bioreaktor durch Bacillus megaterium soll systembiologisch untersucht, modelliert und gerichtet optimierte werden. Über FluxBalance Analysen (FBA) soll das metabolische Potenzial von B. megaterium basierend auf der aufgeklärten Genomsequenz vorhergesagt und so eine Erwartungshaltung formuliert werden. In Zusammenarbeit mit Teilprojekt B9 (Münch/Schomburg) wird ein bioinformatorischer Ansatz zur Ermittlung des zugehörigen Regulationsnetzwerkes genutzt. Beide Modelle werden verwendet, um Vorhersagen über die zellulären Stoffwechsel-Prozesse während der Preoteinproduktion zu machen. Differentialgleichungen, die mit neuronalen Netzwerkansätzen kombiniert werden, so genannte Soft-Sensoren dienen zur Modellierung und Integration von Massen- und Energiebilanzen der intra- und extrazellulären Prozessvariablen. Um ausreichend experimentelle Daten für die Validierung der Prognosen zu gewinnen, sollen mittels modernster Hochdurchsatztechnologie Daten für einen Protein-produzierenden B. megaterium- Stamm auf Ebene des Transkriptoms, Proteoms und Metaboloms erhoben werden. Darüber identifizierte mRNAs, Proteine und Metaboliten mit Bedeutung für den Produktionsprozess werden mittels real-time PCR, ELISA und Metabolomics quantifiziert. Parameter der Prozessführung sind die C-Quelle, der Leistungseintrag, die Sauerstoffversorgung und der pH-Wert. Existierende Datenbanken und Programme sowie neu entwickelte Bioinformatikwerkzeuge werden zur Speicherung und automatisierten Aufbereitung und Auswertung der Daten genutzt. Netzwerke zur Genregulation und zum Metabolismus sollen abgeleitet und mit den Prognosen durch die aufgestellten Modelle verglichen werden. Mit diesem Ansatz sollen die berechneten und die gemessenen Daten iterativ zur Verbesserung der Modelle verwendet werden. Schließlich sollen limitierende Faktoren während der rekombinanten Proteinproduktion identifiziert werden, die als Ausgangspunkt für eine gerichtete Optimierung dienen können.

 

<< zurück zum Überblick