合成微生物组:当“合成生物学”遇见“微生物组学”

合成微生物组是指运用合成生物学方法构建的功能菌群.合成微生物组以代谢通路模块化为核心特征,每个代谢模块的工作由一个菌株完成,从而实现多个菌株的分工与合作.与单菌株相比,合成微生物组具有降低菌株代谢负担与遗传改造难度、提供多样的元件表达平台、实现"即插即用"的模块替换等优势.在合成生物学与微生物组学快速发展、交汇融合的影响下,合成微生物组已成为近些年微生物领域新的研究热点,在生物合成平台化合物、复杂大分子以及生产生物燃料等方面具有广阔的应用前景.本文介绍了合成微生物组的设计原理与优势,总结了近些年的主要研究成果,阐述其目前面临的挑战与机遇,最后对其未来的发展进行展望.     

合成生物学在医学中的应用

合成生物学是21世纪初出现的一门重要前沿交叉科学。在医学领域中,对利用合成的生物学回路来弥补功能异常以达到治疗目的,有越来越多的探讨,正促使医学合成生物学诞生。合成生物学(synthetic biology)是2000年出现的一门融汇生物学、工程学、化学和信息学等学科而成的交叉科学。目前对合成生物学的定义还存在不同认识,较普遍接受的观念是:①为了应用目的,重新设计现存的自然生物学系统;②设计和建造全新的生物学元件、回路和系统。从这样的观念出发,合成生物学与有机     

面向合成生物学的机器学习方法及应用

机器学习的目标是设计可以根据先验知识和观测数据不断改进其性能的算法.该算法可以帮助机器从大量的数据中提取知识,从而提升其在特定任务上的性能.作为数据驱动的方法,机器学习可以有效利用高通量实验技术产生的大批量生物数据,实现合成生物体的功能预测与智能化设计,改变合成生物学的研究范式.本文首先介绍机器学习在合成生物学领域广泛应用的几个模型及方法,如支持向量机、神经网络、生成式对抗网络、深度强化学习等.然后介绍机器学习方法在合成生物学领域的典型应用,如启动子预测、酶催化设计、代谢途径构建、基因线路设计等.本文综述面向合成生物学的机器学习方法及应用,并试图启发读者如何选择和设计机器学习方法用于合成生物学的研究.     

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.     

体外合成生物学:无细胞蛋白合成系统研究进展

合成生物学是近年来融合生物、化学和工程等学科的新兴交叉研究领域,推动人类由理解生命到创造生命的革新.体外合成生物学不依赖生命体,在试管等媒介中研究生命活动和规律,是合成生物学重要的前沿领域.作为体外合成生物学最重要的研究平台,无细胞蛋白合成系统利用外源DNA或mRNA直接在体外合成目标蛋白质,不依赖于细胞结构,突破传统生物方法的局限,具有简便、快速、可控性强和绿色经济等优点,同时为理解生命进化和人工创造生命系统提供了重要的研究模型.本文综述了无细胞蛋白合成系统的发展历程、组成、类型、优势等,并对其在高通量蛋白质和药物合成方面的应用进行了总结.     

药用模式生物研究策略

模式生物是用于研究某种特定的生物学现象而被选定的物种.基于模式生物的研究策略已经在多个生物学领域取得巨大的成功,揭示了众多生命科学的机理,发展了一系列生命科学研究技术.近年来,现代生物学发展迅速,其相关的概念和技术正不断渗入并影响着药用生物的研究领域,包括基于模式生物的研究策略.丹参(Salvia miltiorrhiza)、灵芝(Ganoderma lucidum)等模式药用生物已经提出了多年,受到国内外的广泛关注.但是由于缺乏成熟的模式药用生物研究体系,使得当前药用生物的研究成果比较分散,难以在理论水平上汇总提高,极大地消耗了药用生物界的研究资源和研究力量,阻碍了药用生物学的发展.本文结合近期药用生物学的研究成果,从药用模式生物研究体系建立的必要性出发,提出了药用模式生物研究体系的基本概念和建立目的,分析了应用药用模式生物研究体系研究的可行性,提出了药用模式生物的选择原则并从遗传信息获得、遗传转化体系建立、突变体库构建和次生代谢物生产体系建立4个方面描述了药用模式生物研究体系的建立策略.本文还介绍了以药用模式生物为对象的次生代谢产物生源合成及调控研究策略,同时认为,药用模式生物体系在阐释药材道地性等中医药传统问题及发展合成生物学等现代科学前沿中发挥重要作用.     

合成生物学在活体功能材料构建上的应用

材料是人类赖以生存与发展的物质基础,代表了一个时代科学技术成果的最前沿.近年来飞速发展的合成生物学,通过改进现有系统或构建全新的生物体系,极大地促进了对生物本身的了解,拓宽了生命科学的应用范围.将构建的生物体系进一步结合材料科学中的设计工具及方法,便诞生了活体功能材料这一概念及领域.与传统材料不同,活体功能材料以活体细胞为结构单体组装材料,活体细胞本身成为材料的工程化设计工具以及技术设想和实现途径的基本单元.将编程后的工程活细胞组装、裁剪成具有生物系统特性的活体功能材料,将活体细胞的自我修复能力等特性融入材料,进一步拓展了原有材料的性能.本文将着重介绍活体功能材料的产生、发展及近年来取得的相关成果,在此基础上对活体功能材料未来的发展进行展望.     

Diels-Alder合成反应的化学计量学研究

化学计量学是一门将数学、计算机技术与化学交叉结合的新兴边缘学科,在化学化工及医药卫生等相关领域取得广泛应用.将化学计量学原理和方法及技术用于合成化学中便诞生了其新的分支即合成(化学)计量学.作者试验室对此进行了较深入而系统的研究,取得了系列研究结果,并将予陆续报道.本文以著名的Diels—Alder反应为例,通过试验优化设计与多元潜因分析对其试验空间进行了系统考察和优化建模,获得满意结果.预测收率与实验收率吻合良好.1 试验(1)主要仪器和试剂.微量有机合成仪一套,无水三氯化铝(AR),用前经升华干燥处理;1,3—戊二烯(CP),甲苯(CP)作溶剂.其他试剂均为AR或CP以上纯度,使用去离子水.产物经IR,NMR,MS,UV及元素分析鉴定为目标产物(2)试验方法.按文献[4～6]进行合成提纯产品并计算产率.     

次序模板法合成中空多壳层结构材料的发展与挑战

中空多壳层结构材料因具有由外至内次序排列的多个壳层,赋予了材料独特的时空有序性,在电化学储能、太阳能转换、电磁波吸收、催化、气敏、药物释放等领域有着巨大的应用潜力.然而由于结构的复杂性,缺乏普适可控的合成方法成为制约该新型功能材料发展与应用的关键.次序模板法的发展,实现了中空多壳层结构材料的普适可控合成,促进了该领域的迅速发展.本文简单回顾了中空多壳层结构材料合成方法的发展历程,主要总结了次序模板法从提出到日益成熟的发展过程,深入分析了次序模板法的特点与适用范围,剖析了次序模板法促进中空多壳层结构材料迅速发展的原因,最后探讨了中空多壳层结构材料在可控合成上面临的挑战和未来的发展方向.     

合成生物学走过的十年

如果生物学知识要成为一门成熟的、适度预见性的科学,需要融入合成生物学的研究方法。而《自然》杂志为"合成生物学"创建十年所写的这篇社论认为,对基础科学的贡献和来自基础科学的贡献,是合成生物学最值得庆祝的部分。     

大晶粒AIPO_4-5的合成与表征

由于沸石具有离子交换性、表面酸碱性、孔道择形性等,已被广泛应用于日用化工、石油化工以及气体吸附和分离等领域.然而,近几年来,人们越来越多地对基于沸石的新材料发生兴趣,如沸石骨架内簇合物、沸石分子筛膜、手性沸石等代替沸石新材料的应用前景.Cox与其合作者近来又报道了大晶粒沸石吸附对硝基苯胺后在激光照射下产生二阶谐波(SHG),说明沸石可以作为非线性光学材料.笔者合成出大晶粒AlPO_4-5(500×80×80μm)的同时,考察了合成条件对晶粒大小的影响,并研究了吸附对硝基苯胺后在电场中的行为,尚     

光学纯机械面手性轮烷及面手性大环化合物合成研究进展

近年来,面手性逐渐引起了多个领域科学家的关注.面手性结构单元广泛存在于多种活性天然产物和药物分子中,如机械平面手性轮烷和平面手性大环化合物.这两类结构在分子机器、分子识别、不对称催化以及药物研发等多个领域展示出了重要的应用价值.然而,由于机械平面手性轮烷和平面手性大环化合物的结构复杂性,合成这两类化合物仍然面临着较大挑战,且合成方法相对较少.因此,研究高效制备上述两类面手性化合物的新策略是非常有价值的研究方向.目前,合成化学家已发展了手性色谱分离技术、手性源诱导、过渡金属或酶催化的不对称环化反应等制备面手性化合物的策略.本文综述了制备光学纯机械面手性轮烷和面手性大环两类结构的研究进展,旨在启发从事相关领域的合成化学家发展更多高效合成面手性结构的新策略,从而为高效构筑机械平面手性轮烷化合物和平面手性大环化合物提供借鉴.     

厉害了,合成生物学

本文内容参考借鉴了宋凯教授所著的《合成生物学导论》一书,张浩千博士撰写的《合成生物学的发展、挑战与风险》一文,以及国内外的众多资料,在此向所有作者表示感谢。希望藉由这篇科普短文,能让广大青少年开始接触并初步了解合成生物学这一有望改变人类发展进程的崭新领域。     

合成微生物群落的构建与应用

自然界中微生物群落的生态网络结构非常复杂,并且难以进行可重复、可控的扰动实验.在实验室里通过"自下而上"的方式构建起来的合成群落具有适中的复杂度和较高的可控性,可以作为数学模型和复杂生态系统研究之间的桥梁.合成微生物群落的研究方法遵循"设计-构建-测试-学习"为核心的合成生物学理念,以人工设计和构建的群落为实验对象,结合定量模型和基因组测序等组学技术,探索微生物生态学的基本规律.在应用方面,基于合成群落的研究对于如何控制和改造复杂的微生物生态系统具有重要的指导意义,目标是通过构建具有可控功能和稳定性的微生物群落来解决人体健康、农业和工业生产、环境治理等重要问题.     

(±)-Deoxyschizandrin的新合成方法

五味子甲素(deoxyschizandrin)10是中草药五味子中的有效成分之一,具有良好的镇痛和降低血清转氨酸(SGPT)等药理作用,已用于保肝及抗肝炎药物的研究.近年来,人们不仅关心它的药理活性,其化学合成也备受重视,相继报道了多种合成方法.1 实验以没食子酸为原料,经十步反应,总收率为12%,成功合成出(±)-Deoxyschizandrin的一条新路线.同时获得了3个新化合物5,6,7.合成路线如图示:     

合成生物学策略发现新型核糖体肽Xenopeptide

S-腺苷甲硫氨酸自由基(rSAM)酶家族是目前已知的最大酶超家族之一,由22000多个成员组成.这些酶在大自然中广泛存在,被认为是地球上最早的生物催化剂之一.随着大量的微生物基因组信息被解析,分析显示,微生物中大量核糖体肽类天然产物的生物合成基因簇中含有rSAM酶;其中Xenorhabdus、Yersinia和Erwinia三个属的基因组中均含有一个高度保守的rSAM酶负责其相邻核糖体肽的前体修饰,此类前体肽和rSAM酶构成的XYE系统所合成的化合物鲜有报道.本研究合成一个来源于Xenorhabdus sp. KJ12.1的XYE系统的前体肽和rSAM修饰酶基因,在大肠杆菌中进行共表达,得到新型核糖体肽Xenopeptide,通过结构解析发现, rSAM酶XenB负责分子内2个碳碳键的形成.本研究为微生物中此类化合物的深度挖掘和合成生物学改造提供了理论支撑.     

多肽片段连接: 合成蛋白质的一种新方法

蛋白质结构与活性关系的研究始终是生命科学领域的研究热点.特别是人类基因组测定工作完成以后,在人类后基因组即蛋白质组学研究中,将需要合成大量的多肽和蛋白质.一般而言,对于60个氨基酸残基以下的多肽,使用自动或手工固相多肽合成仪逐步接长是首选方法[1,2];对于更长的多肽或蛋白质可以使用基因工程方法,如基因重组或定点突变等手段来获得产物,或者使用片段缩合方法（convergent peptide synthesis）来合成.但这两种方法均存在一些不足,不能满足对多肽和蛋白质分子结构多样性的需要.基因工程方法获得的蛋白质虽然     

合成生命

<正>生物界的下一次革命将是根据已构建的基因草图来设计基因组。在对DNA进行合成、组合、改错,以及采用新方法移植、培养染色体等一系列工作整整8年之后,2010年我们利用化学合成的染色体,对各种细胞表型进行基因编码,成功地合成了细胞。与更改基因相关的一个主要局限性体现在成本上,包括所需费用和时间。例如,杜邦公司的研究     

青蒿素合成生物学及代谢工程研究进展

青蒿素生物合成途径仅见于青蒿, 但其"上游"途径为真核生物所共有, 可望通过"下游"途径重建, 在真核微生物(如酵母)中全合成青蒿素. 过去10 年来, 青蒿素合成基因被国内外研究团队陆续克隆并导入酿酒酵母细胞, 已成功合成青蒿酸及双氢青蒿酸等青蒿素前体. 由于酵母缺乏适宜的细胞环境, 尚不能将青蒿素前体转变成青蒿素. 因此, 青蒿依然是青蒿素的唯一来源, 凸显出继续开展青蒿种质遗传改良的必要性. 我国科学家采用"开源"或"节流"等策略,已相继培育出多种转基因青蒿植株或品系, 为实现青蒿素的高产、稳产奠定了坚实的基础. 同时, 青蒿素生物合成的限速步骤尤其是终端反应机制已基本得到阐明, 有助于开展青蒿素形成与积累的环境模拟及仿生, 从而为彻底缓解青蒿素的供求矛盾创造先机. 本文最后讨论了产青蒿素前体微生物专利的作用及中国避免这些专利壁垒的方法.     

吗啡的合成生物学研究和工业化生产

吗啡是鸦片中重要的生物碱,其合成生物学制造及相关工业化生产,是合成生物学领域继人工合成青蒿素之后最有代表性的实例.本文从吗啡合成的有关代谢通路的阐明和设计开始,总结整理吗啡在酵母中的生物合成方法,介绍这一划时代工作的全过程及合成生物学技术的潜力和前景.