Digitale Werkzeuge zur Codonoptimierung
Erforschung des Potenzials der Biotechnologie für Technologien mit negativen Emissionen
Auf einen Blick
- Projektleiter/in : Dr. Victor Garcia
- Projektvolumen : CHF 107'000
- Projektstatus : abgeschlossen
- Drittmittelgeber : Öffentliche Hand (ohne Bund) (Kanton Zürich / Digitalisierungsinitiative DIZH)
- Kontaktperson : Victor Garcia
Beschreibung
Dieses Projekt schlägt vor, mathematische Modelle zu entwickeln, zu untersuchen und anzuwenden, um die Proteinproduktion eines Gens, das aus einem Organismus stammt, in einem anderen Organismus zu optimieren. Diese Modelle werden sowohl die Kosten von Nonsense-Fehlern als auch die ribosomalen Overhead-Kosten im mRNA-Translationsprozess der Zelle berücksichtigen. Der Fokus wird speziell auf Genen liegen, die an der Biosynthese von Suberin beteiligt sind. Suberin ist ein kohlenstoffreicher, fäulnisresistenter Biopolyester, der hauptsächlich in der Epidermis von Pflanzenwurzeln oder in der Rinde von Bäumen vorkommt. Aufgrund seiner chemischen Eigenschaften kann Suberin die dauerhafte Speicherung von Kohlenstoff im Boden unterstützen und so als Verstärker der Kohlenstoffbindung im Boden (soil carbon sequestration - SCS) dienen. SCS ist eine weithin untersuchte negative Emissionstechnologie (NET). NETs sind Technologien, die aktiv Treibhausgase aus der Atmosphäre entfernen, und spielen eine wichtige Rolle in wissenschaftlichen Modellen, die Gesellschaft, Wirtschaft und Biosphäre in einen übergreifenden Rahmen integrieren, um die Auswirkungen der globalen Erwärmung zu bewerten. NETs können, wenn sie in großem Maßstab eingesetzt werden, zur Stabilisierung des Klimas in Übereinstimmung mit dem Pariser Klimaabkommen beitragen. Somit kann ein besseres Verständnis, wie die Suberin-Expression in Pflanzen kontrolliert wird, einen Beitrag zur Bewältigung wichtiger aktuelle gesellschaftlicher Herausforderungen leisten.
Publikationen
-
Garcia, Victor; Horn, Claus; Ott, Thomas,
2022.
The sciences of data – moving towards a comprehensive systems perspective.
Archives of Data Science, Series A.
8(2).
Verfügbar unter: https://doi.org/10.5445/IR/1000150241
-
Zrimec, Jan; Buric, Filip; Kokina, Mariia; Garcia, Victor; Zelezniak, Aleksej,
2021.
Learning the regulatory code of gene expression.
Frontiers in Molecular Biosciences.
8(673363).
Verfügbar unter: https://doi.org/10.3389/fmolb.2021.673363