iGEM 2020 - Team Amsterdam

De Amsterdamse student Kelly Klomp blogt tijdens de iGEM competitie over de doorbraken, worstelingen, hoogte- en dieptepunten die haar team meemaakt in het zoeken van een oplossing om microben beter opschaalbaar te maken voor de industrie, zodat we in de toekomst misschien wel CO2-etende bacteriën kunnen inzetten.

Copyright, iGEM

Lees de blogs van het Team Amsterdam:
Blog 1 | Blog 2

Blog 1: Levende, CO2- neutrale fabriekjes

Datum: 03-09-2020

Kelly Klomp werkt in het laboratorium met cyanobacteriën
Kelly Klomp werkt in het laboratorium met cyanobacteriën.

Zonder schuldgevoel met het vliegtuig op vakantie? Als het aan ons ligt is dat in de toekomst mogelijk. Wij, een team van studenten, geloven in deze droom en zijn daarom gestart met een bijzonder project waarin we bacteriën willen inzetten tegen het CO2-probleem. In de komende blogs wil ik jullie graag meenemen in ons project.

Bij de winning van grondstoffen uit aardgas komt CO2 vrij. Dat gas komt terecht in de natuur, waardoor er steeds meer broeikasgassen worden opgebouwd in de atmosfeer. Deze opbouw is een wereldwijd probleem, dus waarom pakken we het niet aan bij de bron? Wij willen bacteriën inzetten als soldaten in de strijd tegen het CO2-probleem. In plaats van gebruik te maken van grondstoffen uit aardolie, willen wij bacteriën gebruiken voor het maken van bijvoorbeeld biobrandstoffen, bioplastics of cosmetica.

Bacteriën als fabriek voor chemische stoffen

Wetenschappers kunnen het DNA van bacteriën dusdanig aanpassen, waardoor deze micro-organismen producten kunnen maken zonder dat er nieuwe CO2 gassen vrijkomen. Om deze CO2-neutrale productie mogelijk te maken, gebruiken we een speciaal soort bacterie: de cyanobacterie. Die verkrijgt zijn energie door fotosynthese, net zoals planten. Het is juist die eigenschap waar we graag gebruik van willen maken om zo de “levende CO2-neutrale fabriekjes” te realiseren.

Het concept van bacteriën als fabriekjes bestaat al sinds de jaren 70, maar productie op grote schaal is nog niet mogelijk. Het maken van een product kost de bacterie energie, waardoor zij minder energie kan stoppen in haar prioriteit: groeien. De bacterie zal een product dat niet nuttig is voor haarzelf op den duur niet meer maken. Het gen voor dit product wordt dan niet meer gebruikt en zal uiteindelijk uit het DNA verdwijnen.

Om dit te voorkomen, hebben wetenschappers een nieuwe methode bedacht: het koppelen van groei aan het maken van een stof. Het maken van deze stof wordt dan essentieel voor de bacterie. Dit zorgt ervoor dat het gen behouden blijft in het DNA. Bacteriën met deze koppeling zijn wel op grote schaal toepasbaar in de industrie. Helaas is deze koppeling tot dusver alleen gelukt bij stoffen die de bacterie van nature al maakte.

Op biotechnologie.nl bloggen vijf Nederlandse teams over hun deelname aan de iGEM competitie. Lees hier meer

Groei gekoppeld aan productie

Groei koppelen aan het maken van een stof door een bacterie is een ingewikkeld proces. Deze koppeling is uniek per type bacterie en per product. Voor de Internationale Genetische Engineering Competitie (IGEM) ontwikkelen wij een algoritme, een soort van stappenplan voor de computer, dat een strategie berekent om een bacterie te laten functioneren als een fabriekje.

Het algoritme moet straks een strategie kunnen berekenen om elk gewenst product te koppelen aan de groei van de bacterie. Om te groeien, doorloopt de cel een netwerk van verschillende chemische reacties die als bouwblokken dienen voor groei. Ons algoritme voegt een bouwblok toe voor het product en haalt andere bouwblokken weg.

Misschien ben jij net zo verrast als wij op het moment dat wij hoorde over deze toepassing van bacteriën. Wij kunnen in ieder geval niet wachten om dit in de praktijk te brengen. Ik hoop dat jij, samen met ons deze reis samen wilt beleven. Op naar een toekomst waarbij het CO2-probleem geen rol meer speelt.

Blog 2: Lock down aan, lab uit, programmeren aan

Datum: 14-09-2020

Op 23 maart, één week voor de startdatum van ons project, kondigde Rutte de ‘intelligente lock down’ af. Een zware periode volgde waarin teamleden afvielen, er veel onzekerheden waren en de werving van sponsoren ongepast voelde in deze moeilijke tijd. Maar juist daardoor werden we een ijzersterk team. Wij lieten ons niet uit het veld slaan en gingen vastberaden van start met ons project. Doordat labwerkzaamheden (wetlab), niet mogelijk waren tijdens de lock down, concentreerden we ons op ons algoritme (drylab). Maar wat is een algoritme precies en hoe steekt die van ons, de Forbidden FRUITS, in elkaar? En hoe schakel je tussen wet- en drylab?

Op biotechnologie.nl bloggen vijf Nederlandse teams over hun deelname aan de iGEM competitie. Lees hier meer

Het algoritme “Forbidden FRUITS” berekent een strategie om op de computer de bacterie genetisch aan te passen. In plaats van trial en error kunnen wij direct de strategie, bepaald door het algoritme, gebruiken om de CO2-neutrale fabriekjes op te zetten in het lab. Dit scheelt niet alleen tijd in vergelijking met traditionele methoden, maar levert ook op korte termijn inzichten in het functioneren van een levend fabriekje.

Een algoritme is een soort stappenplan voor de computer. Aan de basis staat een programmeur die mensentaal omzet in programmeertaal. Een programmeertaal linkt een serie van tekens aan een serie opdrachten die de computer uitvoert. Elke combinatie heeft een unieke betekenis en daarom vereist programmeren precisie. Een computer kan immers niet zelf invullen wat jij bedoelt. Dat heb ik zelf ook ervaren: de code was bijna af, maar ik bleef een foutmelding krijgen. Wat bleek? Ik was een dubbele punt vergeten. Een klein detail met een groot gevolg, het algoritme werkte niet. Ook bij wetlab is precisie belangrijk. Tijdens de experimenten die we uitvoeren moeten we nauwkeurig werken. Een stap afwijken van het protocol kan leiden tot een mislukt experiment.

Maar hoe zet je een levende cel om in programmeertaal? De genen van de bacterie bevatten de benodigde informatie om eiwitten te maken waarmee chemische reacties tot stand komen. De uitgeschreven genetische code van de bacterie ligt opgeslagen in externe gendatabases. Hierin staat welke genen verantwoordelijk zijn voor welke chemische reactie. Het algoritme gebruikt deze informatie voor de vertaalslag van chemische reactie naar gen. De gendatabases, actuele bronnen, hebben het voordeel dat ze de nieuwste inzichten bevatten. Het nadeel is dat de informatie in de database niet altijd correct is. Daardoor zijn wij afhankelijk van deze bron. Ook in het lab zijn we afhankelijk van de bron, in dit geval de geleverde kwaliteit van producten. Stel, het geleverde gen bevat een mutatie, dan zal het gen mogelijk niet tot uiting komen of een andere reactie uitvoeren.

Met ons project willen we bacteriën een bepaalde stof laten maken in hun cel. Ons algoritme koppelt de reactie om die de stof te maken, aan reacties die noodzakelijk zijn voor de groei van de bacterie. Deze koppeling zorgt voor een stabiele productie waardoor de toepasbaarheid van deze bacteriefabriekjes op grote schaal mogelijk wordt. Visualiseer dit groeinetwerk als een wegenkaart, waarbij je via verschillende wegen van locatie A naar B kunt verplaatsen. De toegevoegde productiereactie kun je zien als een nieuwe weg. De meeste mensen zullen kiezen voor de snelste route van A naar B, ditzelfde geldt voor de bacterie. Zij zal de weg van de minste weerstand gebruiken.

Infographic wegennet in een bacterie
De chemische processen in een bacterie kun je vergelijken met een wegennet. Door bepaalde wegen (genen) te blokkeren, dwingen we de bacterie om de productieroute te doorlopen die wij willen.

Het maken van een product gaat ten koste van de energie die bedoeld is voor de groei, daarom zal de bacterie niet voor de productieroute kiezen. Door andere wegen (genen) te blokkeren, dwingen we de bacterie om de productieroute te doorlopen. Wanneer het algoritme de stratenkaart verkeerd vertaalt, worden de genen aan de verkeerde reactie gekoppeld en maakt de bacterie niet de gewenste stof. Zo’n zelfde situatie kennen we van experimenten in het lab waarbij we een stap in een protocol overslaan. Bijvoorbeeld een essentiële voedingsstof vergeten te geven aan de bacteriën. Dat zal leiden tot een langzaam groeiende of zelfs een niet levensvatbare populatie.

In een labjas door het lab rennen en experimenten uitvoeren, of programmeren achter de computer. Twee totaal verschillende methoden en ervaringen dachten we eind maart. Maar beide vereisen precisie, zijn afhankelijk van de input en van een geschikt stappenplan. De coronacrisis heeft ons geleerd dat wet- en drylab in bepaalde opzichten toch vergelijkbaar zijn. Wie had dat gedacht?