Artikkel ilmus ERRi teadusportaalis Novaator.

Nimelt aitab uus arvutusmudel prognoosida pärmi ainevahetust valgukontsentratsioonide põhjal isegi siis, kui ensüümi kineetilised parameetrid pole teada. Mudel, mis kannab lühendatult nimetust ecRhtoGEM, on esimene omalaadne, mis võimaldab ennustada Rhodotorula toruloides nime kandvate pärmide metabolismi kohalike orgaaniliste jäätmete väärindamisel.

Kliimamuutustest hoolivate inimeste ootused täitumas

„Puitbiomass on üks rikkalikumaid looduslikke biomassi allikaid, mille põhikomponente  hemitselluloosi, tselluloosi ja ligniini saab kasutada biotehnoloogiliste protsesside toormena,“ selgitab Tallinna Tehnikaülikooli doktorant-nooremteadur Alīna Reķēna. Tegemist on naftaõlile parima alternatiiviga, mida kliimamuutustest hoolivad inimesed on juba pikka aega oodanud.

Kui ligniini kasutamisest bituumenis ja biokütustes on tehtud palju põnevaid uuringuid, võib küsida, kuidas on lood hemitselluloosist pärit suhkrutega? Lihtne vastus on: kus on suhkur, seal on pärm. Viimased on ajalooliselt olnud suhkrute töötlemisel väga tõhusad. Kui mõelda kas või õlle või leiva peale, siis pärmseened muudavad sealsed suhkrud teisteks molekulideks, mis meile nendes toodetes meeldivad.

Klassikalise pärmi nn biotehnoloogiliseks probleemiks oli aastaid see, et erinevalt bakteritest ei suutnud pärmid looduslikult töödelda 5 süsinikuaatomiga (C5) hemitselluloosseid suhkruid nagu näiteks ksüloos. Seetõttu on viimastel aastakümnetel üritatud pärme geneetilise muundamise teel seda tarbima panna.

Punane pärm tuleb appi

Alternatiivina on avastatud pärm, millel on loomulikult C5-suhkrute töötlemise geenid ja mis seetõttu võib „tarbida“ ka hemitselluloosseid suhkrute segusid ja jäätmeid. See ongi punane pärm nimega Rhodotorula toruloides, mis eraldati algselt 1957. aastal Hiinas puulehtedest ja mis suudab muuta tselluloossuhkrud lipiidideks ja õlideks, mida saab kasutada ka näiteks palmiõli asendajana.

Kuna selles leidub karotenoide (sellepärast ongi see pärm punane), võib see lisada toodetele antioksüdantseid omadusi. Samuti aitab mudel disainida uudseid pärme, mis toodaks efektiivselt  biokütuseid, biopindaktiivseid aineid jms materjale, lisades pärmile mõne üksiku uue  geeni mõnest teistest looduses leiduvatest organismidest.

Kuidas selgitada rakuvabrikute „võimekust“?

Sünteetilise bioloogia ja metaboolse inseneeria toel saab luua vaat et igasuguseid konstrueeritud mikroobide rakuvabrikuid, kuid seni on teadlastel veel vähe teavet selle kohta, kui funktsionaalsed või „võimekad“ need konstrueeritud mikroobid võiksid olla.

„Lisateabe saamiseks kasvatasime seda punast pärmi bioreaktorites just lipiide indutseerivas keskkonnas (varasematest uuringutest on see tuntud mõistena „sekundaarne toitainete nälg“) ja kasutasime neid andmeid täiustatud arvutusmudelite loomiseks,“ selgitab Alīna Reķēna. Tema sõnul tuginevad mudelid, mis püüavad ennustada R. toruloides'e metabolismi, üldjuhul füüsikaseadustele, nt massi- ja energiajäävusseadusele ning keskkonnatingimustele. „Kahjuks ei tööta need eriti hästi käärimisprotsessi andmete puhul.“

ecRhtoGEM ongi Reķēna sõnul esimene mudel, mis kasutab ainevahetuse ennustamiseks absoluutseid valgukontsentratsiooni andmeid. „Leidsime, et see mudel töötab hästi reaalsete eksperimentaalsete andmetega. Põhjuseks asjaolu, et raku võimet toetada metaboolset voogu piirab selle ressursside jaotus ja enamikku metaboolseid reaktsioone katalüüsivad ensüümid.“ Reķēna sõnul ei ole võimalik garanteerida, et iga uue substraadi kasutust õigesti ennustatakse, küll aga on võimalik saada õiged prognoosid lignotsellulooshüdrolüsaadis leiduva kolme erineva süsinikuallika kohta, mis on olemas ka näiteks Eesti ettevõtte Fibenol toodetud puidusuhkrutes.

Uus mudel on kättesaadav kõigile teadlastele

Uudne arvutusmudel avaldati ajakirjas PLOS Computational Biology ja ecRhtoGEM tehakse veebis kättesaadavaks.

Nagu öeldud, suudab loodud mudel ennustada ainevahetust isegi siis, kui Rhodotorula toruloides’i spetsiifilised ensüümi kineetilised andmed ei ole kättesaadavad. Sellel on kahesugused tagajärjed. Ühest küljest näitab see mudeli võimsust, nii et algoritm on võimeline tegema sisukaid prognoose ka andmete puudumise korral. Teisest küljest vähendab see olukord lõpliku mudeli ennustusvõimet. Sellegipoolest võib mudel siiski teha mõistlikke ennustusi metaboolsete radade kavandamise võimalike kandidaatide kohta.

„Muutsime ecRhtoGEM-i kodeeringu teistele samas valdkonnas töötavatele teadlastele veebis kättesaadavaks ja loodame, et teadlaskond ka kasutab seda tööriista. Githubist saavad teadlased alla laadida mudeleid ja täiendavaid skripte ning käivitada mudelisimulatsioonid.“

Reķēna sõnul on soov mudeli ennustamisvõimet tõsta, selleks on plaan rakendada kõige uuemaid masinõppe algoritme, mis ennustavad ensüümide kineetilisi parameetreid nende struktuuri- ja substraaditeabe põhjal, et kasutajad saaksid täpsemaid metaboolseid prognoose isegi ilma proteoomikaandmeteta.

Teadustööd toetas Eesti Teadusagentuur riikliku alus- ja rakendusuuringute rahastamisprogrammi kaudu. Food Tech and Bioengineering Lab asutati TalTechis 2021. aastal ja selle eesmärk on arendada uudseid protsesse jätkusuutlikuks toidu- ja sööda-, biokemikaalide ja materjalide tootmiseks (https://bioeng.taltech.ee).