基于合成生物学策略的酶蛋白元件规模化挖掘

生物制造以人工生物体系为催化剂合成工业化学品、药物和功能材料,具有低碳循环、绿色清洁等特征。酶蛋白是构建生物催化系统的重要功能单元,然而,由于缺乏准确预测序列-功能关系的方法,目前酶的理性设计仍面临巨大挑战。因此,需要利用合成生物学工程化的思路和手段,从自然界中大规模挖掘新的酶蛋白元件,相关研究不但可以为开发工业酶制剂和构建细胞合成代谢提供优质元件,而且有利于快速获得酶蛋白序列-结构-功能间的对应关系,为建立预测与设计模型提供基础。本文针对酶元件工程化挖掘的关键技术进行综述:介绍了计算机辅助设计的算法和软件,用于将数据库中海量的酶蛋白序列按照实验目的进行聚类分析和优先化排序;总结了规模化合成组装、异源表达和功能筛选酶蛋白元件的高通量实验技术;讨论了如何综合利用计算与实验手段,系统性探索酶家族成员的催化性能。未来,通过综合计算机辅助设计、自动化合成生物构建、高通量测试等方法,设计和建设高度集成的工程化研究平台,成为实现对酶蛋白资源进行系统化的研究和挖掘的重要方向。

自动化合成生物技术与工程化设施平台

合成生物学采用工程化设计理念,对生物体进行有目标的设计、改造,甚至从头合成具有特定功能的“人造生命”,用于探索生命活动规律和进行生物技术创新.由于生命系统高度复杂,人工设计的合成生命体很难完全按照预期工作,往往需要长时间的反复调谐.目前,“试错”过程主要依靠研究者手动完成,存在通量低、重复性差、迭代慢等局限.针对这一难题,自动化合成生物技术通过低成本、多循环地完成海量工程试错性实验,提高研究通量和效率,大幅增加实验设计的复杂度和系统性,从而快速实现特定功能,揭示人工生命体的设计原理.近年来,在合成生物学“设计-构建-测试-学习”的各个研究环节,自动化技术正在以前所未有的速度加速发展.与此对应,在全球范围内已建成或在建多个大型工程化平台,用于支撑相关研究和应用.本文旨在对自动合成生物技术的关键要素进行总结,并对合成生物研究基础设施的发展情况和未来方向进行讨论.

合成生物数据库与大数据智能分析展望

合成生物通过"设计-构建-测试-学习"闭环研究积累海量数据,推动合成生物数据储存、共享和分析等方面的发展。该文以合成生物数据库和数据智能分析为核心内容,描述了合成生物数据库建设的现状,讨论了合成生物数据质控和标准、存储和共享等方面的瓶颈问题和未来发展;另一方面,概述了人工智能技术在合成生物大数据智能分析方面的关键进展,讨论了系统建模、异构数据集成、智能设计与功能预测等方面的挑战与发展趋势。