Wissenschaftler des Joint Bioenergy Institute in den USA haben eine neuartige Hochdurchsatz-Screening-Technologie namens ENTRAP-seq entwickelt. Diese ermöglicht die gleichzeitige Untersuchung der Aktivität Tausender pflanzlicher Transkriptionsregulatoren (sogenannter „Genschalter“) und verkürzt die Forschungszeit von Jahren auf Wochen. Die in *Nature Biotechnology* veröffentlichte Studie eröffnet neue Wege zum Verständnis und zur präzisen Modifizierung von Pflanzeneigenschaften.

Transkriptionsregulatoren fungieren wie „Lichtschalter“ und steuern die Genexpression, wodurch Pflanzenwachstum, Ertrag und Stressresistenz bestimmt werden. Herkömmliche Forschungsmethoden basieren jedoch auf der Analyse der gesamten Pflanze oder einzelner Blätter, was äußerst ineffizient ist. Die ENTRAP-seq-Technologie nutzt *Agrobacterium*, um Genbibliotheken mit verschiedenen regulatorischen Faktoren in Pflanzenblätter einzuschleusen. So wird sichergestellt, dass jede Pflanzenzelle nur von einer einzigen Proteinvariante Anweisungen erhält. Anschließend isolieren die Wissenschaftler mithilfe magnetischer Markierungen aktive Zellen und identifizieren die wirksamen regulatorischen Faktoren schnell durch Sequenzierung.

Diese Technologie ist revolutionär in ihrer Effizienz. Nach der Entwicklung der ENTRAP-seq-Technologie konnte das Forschungsteam innerhalb weniger Wochen 350 Proteinmutanten, die den Blühzeitpunkt regulieren, screenen. Projektleiter Patrick Shih betonte, dass sein Team zuvor über zwei Jahre lang 400 regulatorische Faktoren mit traditionellen Methoden untersucht hatte. Diese hohe Durchsatzrate ermöglicht die großflächige Identifizierung und das Design von Genschaltern.

In Kombination mit Modellen der künstlichen Intelligenz (KI) bildet diese Technologie einen effizienten Forschungskreislauf. Die Forscher nutzen zunächst KI-Modelle, um die vielversprechendsten Proteinsequenzen aus Tausenden von Genomen vorherzusagen und validieren diese anschließend schnell experimentell mit der ENTRAP-seq-Technologie. Die generierten Daten können wiederum zum Trainieren und Verbessern des KI-Modells verwendet werden. Diese „Trocken-Nass“-Strategie wird die Analyse komplexer pflanzlicher Regulationsnetzwerke erheblich beschleunigen und ein leistungsstarkes Werkzeug für die bedarfsgerechte Entwicklung ertragreicherer und stressresistenterer Nutzpflanzen bereitstellen.

Weitere Informationen: Autoren: Simon Alamos et al., Titel: „Multiple Analyse von Transkriptionsregulatoren in Pflanzenzellen“, veröffentlicht in: *Nature Biotechnology* (2025). Zeitschrifteninformationen: *Nature Biotechnology*