生物制造是一种基于合成生物学的材料生产,近年来一直在引起人们的关注,而研发投资在日本和国外都广受欢迎。 该报告介绍了基于技术观点的合成生物学和过程(DBTL周期)的概述,然后介绍了向社会实施的运动。 1简介
随着人们重新致力于建立可持续的生物经济,人们的兴趣从石油基化学品的生产转向生物制造。为了使生物制造与化学合成具有竞争力,开发能够有效利用廉价且易得原料的微生物细胞工厂非常重要。这些原料随后被代谢,产生高滴度的增值产品,这些产品可以轻松扩大到商业规模。合成生物学的进步为高效的微生物设计和改进铺平了道路,从而降低了原料生物加工的成本和时间。这些细胞工厂可以通过利用迭代和系统的设计-构建-测试-学习 (DBTL) 循环微调相关代谢途径来进一步优化 ( Carbonell 等人,2018 年)。目前,自动化和机器学习技术正在被整合到 DBTL 循环中,以提高开发高效微生物菌株的通量、效率和周转时间(Carbonell 等人,2018 年)。最近,测序和 CRISPR/Cas 技术的出现使得开发分子工具箱来编辑微生物宿主基因组成为可能,这是菌株工程的核心原则,也是 DBTL 循环的基础。与此同时,组学技术开发方面的进展产生了大量数据,用于构建强大的基因组规模代谢模型,可用于预测和优化生物制造过程中微生物细胞工厂的代谢通量。基因组编辑技术已经在包括细菌和酵母在内的少数微生物菌株中得到了充分证实(Yang & Blenner 2020;Arroyo-Olarte 等人,2021;Krogerus 等人,2021 年)。未来的工作将把这些工具应用于更有能力生产特定增值化合物的非传统微生物。在这个研究课题中,我们重点介绍了一系列评论和原创研究,涵盖了基因组策略的几种应用(图 1),这些策略被用于改善复杂的糖消耗,以及真核细胞工厂中非天然化合物的生产。转录组数据对于理解不同条件下微生物宿主的整体基因表达至关重要(Caspeta 等人,2014 年;Fletcher 等人,2017 年)。这些数据可以输入基因组规模的代谢模型和 DBTL 循环,以制造微生物细胞工厂
内在终结子是原核生物中的自然序列,引起转录终止,而无需其他蛋白质。它们通过形成稳定的茎环结构,然后是富含尿嘧啶的序列,破坏转录过程的功能。设计合成的可切换终端(可以被小型RNA激活或破坏的终结剂)在合成生物学中具有令人兴奋的应用,例如对基因表达的精确控制。此项目集成了计算建模,人工智能(AI)和实验验证,以在迭代设计建筑测试 - 核心(DBTL)框架中创建此类终结者。
通过这种方法,提出了一种面向工业 4.0 的创新型“即插即用”制造模式。该计划的支柱包括先进的生物技术工具,包括合成生物学、基因组编辑、代谢工程等。全面的国家基础设施平台对于开发和发展生物制造项目的合成生物学能力至关重要。生物工厂的高通量能力可以满足这一目标。生物工厂有助于建立和加强设计-构建-测试-学习 (DBTL) 方法,以使用最先进的自动化方法(如机器人、人工智能算法、高通量分析设备和软件等)来创建新的高通量生物解决方案。生物工厂将快速开发工具和数据集,以实现和加强生物制造的合理菌株改进。
我们表明,从细菌菌落开始,在一次 Illumina NextSeq 2000 运行中可以对数千个质粒进行测序,并在第二天完成生物信息学分析。我们利用可扩展的模块化流程,包括菌落挑选、液体处理、DNA 测序和生物信息学分析。滚环扩增 (RCA) 或菌落直接 PCR 取代了传统的细菌培养和质粒纯化。集成自动标准化、一步式文库制备技术可在方便的 384 孔、可立即测定的配置(384 孔 x 16 板)中提供 6,144 个索引。我们与其他工作流程的基准比较表明,这种自动化流程将典型的合成生物学 DBTL 周期从几周缩短到几小时。
摘要:多种细菌、真菌和植物均可产生具有生物活性的次级代谢产物,即天然产物。随着DNA测序技术和生物信息学的快速发展,大量可能的生物合成基因簇被报道。然而,迄今为止发现的天然产物数量有限,因为大多数生物合成基因簇在常规实验室条件下不表达或表达水平极低。随着合成生物学的快速发展,先进的基因组挖掘和工程策略不断涌现,为天然产物的发现提供了新的机会。本文讨论了近年来可加速天然产物发现的设计、构建、测试和学习(DBTL)周期的研究进展,并展望了未来研究方向的趋势和关键挑战。
摘要:多种细菌、真菌和植物均可产生具有生物活性的次级代谢产物,即天然产物。随着DNA测序技术和生物信息学的快速发展,大量可能的生物合成基因簇被报道。然而,迄今为止发现的天然产物数量有限,因为大多数生物合成基因簇在常规实验室条件下不表达或表达水平极低。随着合成生物学的快速发展,先进的基因组挖掘和工程策略不断涌现,为天然产物的发现提供了新的机会。本文讨论了近年来可加速天然产物发现的设计、构建、测试和学习(DBTL)周期的研究进展,并展望了未来研究方向的趋势和关键挑战。
合成生物学应用了电气工程和信息处理的概念,赋予细胞计算功能。将底层分子成分转移到材料中,并根据受电子电路板启发的拓扑结构进行连接,已经产生了执行选定计算操作的材料系统。然而,现有构建块的有限功能限制了将高级信息处理电路实现到材料中。在这里,设计了一组基于蛋白酶的生物混合模块,其生物活性可以被诱导或抑制。在定量数学模型的指导下,遵循设计-构建-测试-学习 (DBTL) 循环,模块根据受电子信号解码器启发的电路拓扑进行连接,这是信息处理的基本主题。设计了一个 2 输入/4 输出二进制解码器,用于检测材料框架中的两个小分子,这些小分子可以以不同的蛋白酶活性形式执行受调节的输出。这里展示的智能材料系统具有很强的模块化,可用于生物分子信息处理,例如在高级生物传感或药物输送应用中。
我们和其他人最近开发了一系列高通量 MS 筛选方法,用于定向蛋白质进化。13 – 16 然而,MS 的无标记优势尚未在设计新的酶活性中得到充分体现,这可能是因为非靶向 MS 筛选存在困难。特别是,它需要仔细标准化和优化样品制备、MS 采集和数据处理,这对于最大限度地减少实验噪音和发现新产品的微弱信号是必不可少的。另一方面,生物铸造厂提供了一种新兴的基础设施,通过机器人标准化和并行化来协助生物工程中的设计 – 构建 – 测试 – 学习 (DBTL) 循环。17 – 19 使用集成生物铸造厂,我们在此报告了一种重组文库的无标记 MS 筛选工作流程,以快速分离催化新产品形成的酶突变体。这种新的工作流程将我们之前的基于基质辅助激光解吸/电离飞行时间 (MALDI-ToF) MS 的筛选方法从琼脂菌落 16 扩展到行业标准微孔板中的液体培养物,以获得更好的均匀性。与菌落不同
微生物细胞工厂允许生产化学物质,它是传统化石燃料依赖性生产的替代品。但是,发现生产途径基因的最佳表达对于发展有效生产菌株至关重要。与顺序实验不同,组合优化捕获了途径基因与生产之间的关系,尽管以进行多个实验为代价。分数阶乘设计,然后进行线性建模和统计分析减少了实验工作量,同时最大程度地提高了实验过程中获得的信息。尽管可以使用和分析这些设计的工具,但是缺少选择适当的阶乘设计的指南。在这项研究中,我们利用七代途径的动力学模型来模拟完整的阶乘菌株库的性能。我们将这种方法与决议V,IV,III和Plackett Burman(PB)设计进行了比较。此外,我们将这些设计的性能评估为旨在识别最佳生产菌株的随机森林算法的训练集。评估这些设计对噪声和缺少数据的鲁棒性,生物数据集固有的特征,我们发现虽然分辨率V设计捕获了完整阶乘数据中存在的大多数信息,但它们需要构建大量菌株。另一方面,第三和PB设计在识别最佳应变和错过相关信息方面缺乏。这些设计可以识别最佳菌株,并为随后的优化周期提供宝贵的指导。此外,考虑到使用七个基因的途径优于五个基因的途径所需的少量实验,线性模型的表现优于随机森林。因此,我们建议使用分辨率IV设计,然后在设计构建测试 - 核心(DBTL)循环中进行线性建模,以筛选多种因素。