2023年11月25日发(作者：诺基亚1520刷安卓系统教程)

合成⽣物学的⼗⼤未来挑战

经过20年的成长和成功，合成⽣物学现在已经成为⼀个成熟的领域，正在推动⽣物经济领域的重⼤创新，并推动⽣医科学和

⽣物技术的边界。那么接下来会发⽣什么呢？

本⽂讨论了下⼀代合成⽣物学研究和投资中预期和希望取得的10项技术进展，从制造合成⽣命、细胞模拟器和定制基因组的

宏伟计划，到利⽤⾃动化、深度学习和进化控制的⼯程⽣物学新⽅法。这份并⾮详尽⽆遗的清单旨在激励那些加⼊这⼀领域的

⼈，并期待着合成⽣物学在未来⼏⼗年将如何发展。

引⾔

英国有句⽼话说，当你21岁的时候，就有了开门的钥匙。今年合成⽣物学迎来了21岁的⽣⽇，这门学科现在似乎拥有了⼀套

开启⽣物科学和⽣物经济的钥匙。多家合成⽣物公司以数⼗亿美元的估值上市，基因组⼯程已经渗透到⽣物科学研究的各个领

域，编辑和重新编码DNA现在正在帮助解决长期存在的遗传疾病，并且是快速推出针对Covid-19⼤流⾏疫苗的关键部分。现

在这门学科已经证明了它的成功，它接下来会⾛向何⽅？它还会⾯临哪些更⼤的挑战？⼗年前，该领域⾯临着⼀系列严峻的挑

战，⽐如下⼀步需要什么，但其中⼤部分现已被克服，可以构建的东西正在迅速扩⼤。因此，我们现在期待着我们个⼈期望和

希望看到的来⾃合成⽣物学的10项重⼤研究进展。由于充满活⼒的社区开始朝着这些主题的重⼤挑战中取得进展，许多进展

已经在顺利进⾏。

01

⾃动化与⼯业化

从⼀开始，合成⽣物学就推动了⽣物部件的标准化，原因有⼆从⼀开始，合成⽣物学就推动了⽣物部件的标准化，原因有⼆:

可重⽤性和易于DNA 组装。这种标准化的下游好处是实现了 DNA 构建的⾃动化，并扩⼤了这⼀操作的规模，使⼤量的⼯程

细胞能被并⾏测试。这种构建和测试过程的“⼯业化”是该领域长期以来⼀直追求的⽬标，但在⼤多数研究⼩组中仍然不常见。

那么，这种情况在未来将如何改变呢？

⾃动化设计-构建-测试-学习（DBTL）周期的⼯具已经基本到位，特别是在⽣物企业和主要公司[5]。除了各种计算机辅助设计

（CAD）⼯具之外，特征化部件的存储库也促进了部件的选择和遗传结构的设计。液体处理机器⼈能够以⾼精度和⾼通量转

移微升、纳升甚⾄⽪升的试剂，简化了复杂的组合实验设置，并提⾼了实验的可重复性。数据处理⼯具对实验设置进⾏编码并

整理实验元数据，确保错误的可追溯性，便于调试。统计分析软件分析⼤量数据以⽣成洞察⼒，实验设计（DoE）策略有助于

优化未来的实验，从⽽关闭DBTL循环。

下⼀个⼗年将会看到越来越多的努⼒，把这些⼯具组合成⾼效、多功能的管道，以极快的速度⽣成合成⽣物学解决⽅案。伴随

⽽来的是，在合成⽣物学新时代⽇益增长的数字化，以及对更好的数据基础设施、管理和策划的需求。数据交换格式、本体

论、协议描述、实验数据和元数据报告的标准化，不仅能促进 DBTL 管道上的信息流动和不同平台之间的数据转移，还能促

进不同研究⼩组之间和公司内部的开源软件/数据开发和数据共享。除此之外，⾃动化还将推动（和拉动）对基因部分标准化

及其性能测量的需求，这两个领域的长期⽬标都有助于实现可预测性。这也可能导致在不同的⽣物基质上，宿主细胞和作为主

要基底⽣物体的菌株得到更好的标准化。

⽬前，在这⼀挑战上进展最快，在这⼀挑战上进展最快的是⼗⼏家左右的⽣物基⾦会和资⾦雄厚的公司，它们拥有实现⾃动化

所需的必要⽀出、开发和整合。作为“云实验室”运营的⽣物基⾦会和公司承诺向合作伙伴和研究⼈员提供他们的软件和平台，

以帮助加速迭代 DBTL 周期，缩短整个领域的开发时间。云实验室允许那些没有合成⽣物学专业知识和适当实验室设施的⼈

快速启动该领域感兴趣的项⽬，通过⼯程改进菌株或进⾏⼤规模筛选实验。银杏⽣物⼯程（Ginkgo Bioworks）和微软

（Microsoft）的 Station B是合成⽣物学研究与开发的综合⽣物循环模式的试验案例，⽽ Synthace 和 Riffyn 等公司则占据了

实验室⾃动化和数据管理领域的有利地位。所有这些案例的⽬的都是将项⽬⼯作集中在学习和设计上，⽽不是构建和测试，这

是该领域长期以来所期望的。然⽽，合成⽣物学⾯临的问题是，这⼀进步能否以民主的⽅式实现。对于这个领域的公司来说，

作为专业⼯程承包商进⾏竞争，并且关闭对其平台和知识库的访问，⽽不是向所有⼈开放，可能更有利于获得经济利益。学术

界的⽣物研究机构还⾯临着⼀个挑战：通过云计算进⾏的集中实验和实验室⼯作与传统的机构观点不⼀致，即博⼠⽣和博⼠后

整天在⼯作台上研究他们的项⽬。因此，这种⽅法需要对经典的科研项⽬进⾏重新思考。事实上，那些在学术界和⼯业界帮助

运⾏和资助合成⽣物学的⼈，将需要做出勇敢的决定，以帮助这个领域在未来转向这种更有效的⼯作⽅式。

02

深度学习DNA设计

机器学习、⼈⼯智能（AI）和深度学习（Deep Learning）如今在期刊论⽂、拨款申请和初创企业的宣传中都是不可避免的术

语，因此，当你得知每个⼈都在尝试将这⼀元素添加到他们的研究中时，你不会感到惊讶，成功与否参差不齐。早期在⽣物科

学领域取得的显著成就是利⽤深度学习对显微图像进⾏分类，以帮助预测蛋⽩质结构，并预测作为抗⽣素的药物分⼦结构。但

深度学习可能对合成⽣物学产⽣最⼤影响的领域是 DNA 设计。为什么呢？因为在 DNA 中编写遗传程序是⼀个语⾔问题。

设计DNA是许多合成⽣物学的关键。然⽽，即使是编辑⼀套简单的基因也会很快导致实验台前的科学家感到头痛。深度学习

的魅⼒在于能够在不知道转换的确切细节的情况下，将⼀种类型的数据转换为另⼀种类型的数据。甚⾄可以使⽤正确的数据学

习物理约束，如果缺少系统的⼀些基础知识，可以允许⼀些松弛。⼴受好评的⾃然语⾔处理（NLP）模型GPT-3已经引发了严

重的伦理争论，因为它能产⽣⾼度令⼈信服的“⼈类”⽂本，即使在⼀个称为“少量学习”的过程中只给出⼏个学习点的输⼊。这

展⽰了深度学习⽹络能够为解释和⽣成DNA序列这⼀更复杂的语⾔任务提供的⼒量。

与以前的学科相⽐，合成⽣物学为DNA设计表带来了⾃⼰的优势。由于基因组编辑和DNA合成的进步，阅读和写作都是可能

的，⽽不在仅仅是读取收集的数据。这意味着可以⽣成更有意义的训练数据，以压⼒测试模型对系统的内部表⽰并嵌⼊更深⼊

的理解。主动学习是⼀种机器学习范式，有助于确定最佳的下⼀组扰动以补充学习模型，并且可以轻松集成到⾃动化⼯作流程

中。⼏家⽣物技术公司已经部署这些⽅法，以有针对性的⽅式遍历⽣物序列空间。内置的数据管理也减少了⼀个模型为达到相

同性能所需的训练数据量。

因此，在未来，深度学习模型可以帮助我们摆脱将 DNA 序列视为珍贵的⾃然精⼼制作的部件，我们将其标准化，并将其⽤作

⽣物基因组装的模块。相反，深度学习应该允许我们简单地基于⾼级命令，为某些基因部分和基因背景的组合编写最优的

DNA 序列。深度学习本⾝也可能受益于我们所理解的 DNA 序列的⾃然进化，从⽽获得更优的性能。机器学习捕捉到了从突

变到改进的反复试错过程，但是⽣物进化的其他特征如纠错和序列重组⼜如何呢？随着我们更好地理解如何引导 DNA 进化

（如下⾯所讨论的），我们也可以期待从这个反馈中获得好处，从⽽提供更好的设计。

03

全细胞模拟设计

与⽣物学相关的数据量每年呈指数增长，因为“组学”⽅法在每个实验中收集数千乃⾄数百万个细胞、基因、转录本和蛋⽩质的

数据点。近⼗年前，专注于天然最⼩细胞的研究⼈员迈出了利⽤这些数据的第⼀步，模拟所有基因和蛋⽩质在⽣殖⽀原体

（Mycoplasma genitalium）中的表现，⽣殖⽀原体是⼀种基因组只有约500个基因的细菌。他们开发了细胞中所有关键过程

的数学模型，使⽤组学数据对这些过程进⾏参数化，然后设计了⼀种将这些模型整合到细胞周期动态模拟中的⽅法。这项系统

⽣物学壮举为⼈们对细胞的资源利⽤带来了新的理解，也许最令⼈兴奋的是，对于合成⽣物学来说，它能够预测当基因被从基

因组中删除或被引⼊该细胞时，⽣物体如何受到影响。

现在想象⼀下，如果可以在⽹上获得数千兆字节的组学数据，可以⽤来对通常设计的模型⽣物的细胞及其功能进⾏类似或更好

的模拟，那将会是什么样。从理论上讲，这可以改变合成⽣物学的整个设计过程，使具有基因回路和代谢途径的项⽬能够在模

拟其在宿主细胞环境中的预期性能和影响之前，⾸先进⾏功能设计、建模和优化（⽬前在许多项⽬中都是如此）。“宿主细胞

维度”将成为基于模型设计的⼀个易于处理的参数，使合成⽣物学家能够更好地考虑细胞内⼯程的连锁效应，例如资源利⽤、

代谢物通量和基因调控的逆转录作⽤。在某种程度上，系统和合成⽣物学的进展已经接近这个⽬标。基因组尺度的代谢模型现

在通常⽤于推进许多微⽣物系统中的⽣物合成细胞⼯程项⽬，其中最先进的模型包括表达酶的资源成本。全细胞模拟是这些模

型的逻辑延伸，并将允许这种⽅法⽤于超越代谢⼯程学的项⽬，进⼊更复杂的合成⽣物学项⽬，例如在转录因⼦⽔平的变化⾮

常重要的逻辑回路的应⽤。

如果⽀原体研究中使⽤的⽅法被证明是可扩展的，那么我们就可以展望未来，全细胞模拟将作为贝克酵母和⼈类细胞系等⽣物

体的设计⼯具。然⽽，在不久的将来，对⼤肠杆菌的全细胞模拟是最令⼈期待的。这将为合成⽣物学家提供第⼀个真正的试

验，探索如何利⽤这种模拟设计⼯程菌株和基因构造，并在理想情况下减少⼯程细胞的试验尝试和错误。

然⽽，我们也需要意识到，模拟并不总是能够对实际实验中发⽣的事情给出正确的预测。模拟可能只是为了缩⼩设计空间的⼀

种⽅式，但希望随着越来越多的⼈使⽤和测试它们的能⼒，它们的预测能⼒有望得到提⾼。模拟对于从头设计和构建定制基因

组和细胞的⼯作也可能⾄关重要。访问也将是⼀个重⼤问题。运⾏⽣殖⽀原体约500个基因的细胞周期已经需要计算能⼒，⽽

且随着基因数量的增加（⼤肠杆菌超过1000 ），⽹络复杂性呈指数增长的前景将导致单⼀模拟计算时间的爆炸性增长。随着

这⼀进展的推进，需要仔细考虑如何使这种复杂的模拟成为社区可访问的设计⼯具。

04

⽣物感应: 在任何地⽅探测任何东西

⾃然界充满了⽣物可以⾃然感知和反应的信息，将这些机制纳⼊⼯程细胞以制造⽣物传感器已经成为20年来合成⽣物学项⽬

的主要内容。但是，如果你考虑到⽣物正在我们的星球上进⾏⽆处不在的、多样化和不间断的感应，那么你将觉得⽣物感应可

以做得更多。活细胞的感应是⼀种超能⼒，⼈类应该尽其所能去理解和利⽤。能够在任何地⽅探测到任何东西，这将在许多⽅

⾯彻底改变我们的世界；不仅仅是在研究⽅⾯，还在⼤流⾏病防范、评估我们⾃⼰的健康和我们星球的健康⽅⾯。

我们如何才能获得⼀个通⽤的、模块化的⽣物传感架构，使我们能够感知任何东西？我们已经使⽤结合各种形状和⼤⼩的分⼦

的蛋⽩质制造⽣物传感器，最近，我们制造了通过toehold switches 我们已经使⽤结合各种形状和⼤⼩的分⼦的蛋⽩质制造⽣

物传感器，最近，我们制造了通过toehold switches和CRISPR酶检测DNA和RNA序列的⽣物传感器。改善天然蛋⽩质、寡核

苷酸配体和其他⼤分⼦的表征是⼀个很好的开端；它将⼤⼤扩展可靶向分析物的检测范围。最近⼏项具有⾥程碑意义的研究表

明，基于通⽤蛋⽩质的传感器是可能的，核糖开关设计和定向进化也开始建⽴。此外，AlphaFold，Rosetta，RaptorX等在蛋

⽩质结构预测⽅⾯正在取得重⼤进展；因此在将来，我们应该能够设计和调整蛋⽩质和RNA的灵敏度和特异性，以感知⽆数

的配体。

⽣物体对不同刺激的不同基因表达也可以作为⼀种⼿段，间接捕获关于细胞遇到的环境的复杂信息，⽽不需要为配体制造单⼀

的特定传感器。通过分析细胞的转录组状态来了解不同“遭遇”的特征表达谱，可以为我们提供⼀条路径来识别那些不存在单⼀

⽣物传感器的事物的感应。在很多⽅⾯，这与我们闻到⾷物时的反应类似，我们的⿐⼦⾥有许多不同分⼦的传感器，这些传感

器可以让我们的⼤脑检测到⼀个更复杂的刺激的特征模式。基因逻辑电路和基于重组酶的记忆系统可以被设计到细胞，以响应

转录组特征模式，将这些短暂的相遇转化为可记录的检测并读出。

更具挑战性的问题是如何⼴泛地部署和轻松地读取⽣物传感器。⾸先要考虑的是⽣物传感系统的寿命。封装或冻⼲全细胞或⽆

细胞⽣物传感器的努⼒延长了⽣物传感器的寿命，并允许在没有冷链的情况下运输。将传感基序⼯程化到天然抗压的⽣物结

构，例如孢⼦和⽣物膜，也能够在恶劣的环境条件下感应。第⼆个考虑因素是⽣物传感器的易⽤性。⼀个理想的⽣物传感器需

要最低限度的前处理和后处理来进⾏传感和报告；它应该是⾃主的，易于部署的。第三个考虑因素是从⽣物传感器获取数据。

⽐⾊法报告可能对于即时诊断最有⽤。具有强⼤图像采集和处理能⼒的智能⼿机现在已经很普遍，这些智能⼿机可以⽅便对具

有⽐⾊输出的多路⽣物传感阵列进⾏现场分析。将⽣物传感器中的信息传递给外部电⼦设备也许是长期⽬标，因为这将促进⽣

物学的实时监测，并将其与我们的电⼦世界直接联系起来。实现这⼀点，并不⼀定需要存在物理的⽣物-电接⼝。例如，⽥地

这⼀进展所需的⽣物技术⼯具正在迅速出现。基于CRISPR的系统和MAGE等相关进展使我们能够设计、指导和控制⽣命系统

内某些位点和基因的突变。深度学习模型还可以预测DNA和氨基酸变化如何影响基因、基因调控以及蛋⽩质形状和功能。定

向进化已经证明了它在⽣产数百种改进的新型酶⽅⾯的价值，这些酶可以使宿主适应更好的代谢⽣物合成，甚⾄⽤于优化基因

回路。现在也存在⽤于持续体内定向进化靶基因的分⼦⼯具。不难想象，将⼯程细胞构建成具有外部可控的⽬标基因和染⾊体

的进化，以便我们可以随时优化它们，以适应新的任务和环境，或从最初的原型设计中不断改进它们。谁不想拥有这样⼀个系

统，其中合成的基因结构可以作为原型快速构建，然后⼀旦投⼊使⽤就可以进化到⾃我优化？

⽤进化来设计⽣物，⽽不是⽆视它，显然是⼀个⾮常有吸引⼒的前景，但它需要⼀个全新的思考和设计⽅式。合成⽣物学家总

是热衷于 对DNA 设计的可测量结果进⾏描述、预测和标准化，如⽬标蛋⽩质⽔平、代谢物产量和指数增长率；那么我们将如

何设计、预测和测量“进化潜⼒”呢？我们需要进⾏思维模式的转变，以转向考虑全新维度的设计⽅法，但是如果我们能够在这

⽅⾯取得进展，那么20年后合成⽣物学的整个运作⽅式将会发⽣⾰命性的变化。

06

细胞群落和多细胞⽣物

合成⽣物学⾯临的⼀个重⼤挑战是设计细胞的分化和特化，以便在合成多细胞系统中进⾏有效和富有成果的分⼯。到⽬前为

⽌，合成⽣物学主要集中在通过单⼀任务设计的种群中的每个细胞上。但是，在⽣物膜的程序化边缘检测和基于种群的振荡器

等主题的初始项⽬之后，研究⼩组报告了更复杂的多细胞功能⼯作，包括基于联合体的计算、分⼦图灵模式和合成形态发⽣。

群体感应系统迄今为⽌已成为细胞之间通信的⾸选⽅法，它可以实现时间、动态和正交⽔平的控制。事实上，AHL介导的细菌

群体感应系统已经在许多研究中得到利⽤。在真核⽣物中，基因⼯程细胞间的信号传递可以通过⽣长素或基于 GPCR的信号

传递，⽽在哺乳动物细胞中，基于 Notch 信号传递系统的基因⼯程模块传感器最近被证明是特别强⼤的。在确定什么可以构

成通信通道⽅⾯⼏乎没有障碍，甚⾄ DNA 本⾝也被⽤于这项任务。但是现在对这个领域最有⽤的是模块化的基因部件⼯具

包，它能使许多细胞之间进⾏可靠、动态和正交的细胞间通信。然⽽，仅仅这些不能使联合体和多细胞系统的⼯程具有可预测

性和可靠性。像⽣长竞争、共⽣、细胞合作、休眠和逃避突变等新的考虑因素，将变得和我们试图设计细胞完成不同任务以正

确⽣长和协同⼯作⼀样重要。

类似于不同的神经⽹络在复合学习中的对接和相互⽀持，⼯程细胞的共同培养提供了类似机会。例如，它们可以通过让不同的

菌株作为功能模块来提⾼天然化合物的⽣产效率，这些功能模块不需要独⾃承担⼀个昂贵功能的全部负担，⽐如像迷迭⾹酸这

样的复杂代谢途径。“细胞作为模块”的⽅法可以提供即插即⽤的⽣物体和联合体，可以投⼊到新的系统中，⽐如计算机代码中

的可重复使⽤的功能。要实现这样的系统，需要定义通信元素中动态范围的兼容性，以及它们的通⽤性和可组合性。

具有多个相互作⽤细胞的⼯程系统显然为促进合成⽣物学的发展提供了巨⼤的动⼒，但是这些系统不必仅限于共同培养或共同

依赖的群落。⾃然界中的多细胞⽣物，如植物和动物，其复杂性、健壮性和多功能性已经向我们展⽰了细胞在组织、器官和⾝

体中进⾏物理连接和分化以完成特殊任务的系统所提供的机会。我们从 DNA 部分编写合成分化程序的能⼒正在取得进展，我

们也开始能够指导细胞附着在⼀起，以不同的模式⽣长。随着我们在可预测的 随着我们在可预测的共同培养和联合体的⼯程

⽅向的进展，理想的做法是同时发展原组织和类器官的合理⼯程，以便⼀个⽅⾯的进展能够交叉进⼊另⼀个⽅⾯。

07

定制和动态合成基因组

对于合成⽣物学来说，最明显的下⼀个规模化处理的领域也许是合成基因组。10多年前，J Craig Venter研究所实现了第⼀个

带有合成基因组的细胞。从那时起，⼀个只有基本基因的最⼩化的Mycoplasmagenome已经产⽣，多个⼯程化的酵母染⾊体

已经完成，最近，⼀个只使⽤64个密码⼦中的61个的⼤肠杆菌基因组的合成版本已经制成。制造合成基因组的标准⽅法已经

开始出现，DNA成本和所需的⼯作虽然仍然巨⼤，但已经下降到⾜以使个体团队现在制造出兆级碱基染⾊体。⽤不了多久，

细菌和酵母染⾊体合成项⽬将成为各个团队的⽬标，并且在未来⼗年内，合成基因组学也将开始处理哺乳动物细胞和植物等多

细胞⽣物的更⼤基因组。

⽬前⼤多数合成基因组项⽬旨在提供新知识，为我们提供对基因组编码、内容和组织的新见解；这些⽅⾯是其他⽅法难以解读

的。然⽽，在未来，随着更便宜的DNA合成以及⾃动化和可扩展的DNA组装，制作为应⽤⽽设计的合成基因组将成为新的挑

战。⽬前，减少密码⼦使⽤的基因组被定制⽤于遗传密码扩展的应⽤；特别是向细胞制造的蛋⽩质中添加⾮经典氨基酸。设计

⽤于其他应⽤原因的基因组，例如为⽣物合成项⽬简化代谢⽽定制的基因组，可能会在下⼀步推出。随着该领域处理更⼤的多

细胞⽣物基因组，可能需要定制这些基因组以仅关注特定⾓⾊所需的基因。例如，基于细胞的疗法越来越受欢迎，但出于安全

原因，将来可能更需要从具有最⼩合成基因组的细胞中制备这些疗法，以便去除治疗功能不需要的基因并且不会造成任何意外

风险。

08

⼈造细胞

虽然在为现有细胞合成新的基因组⽅⾯已经付出了相当⼤的努⼒，但在化学和⽣物化学研究的不同领域，已经出现了⼀种更基

本的合成细胞⽅法，这种⽅法试图通过结合⽣物化学成分来重新创造活细胞的基本功能。我们的⽬标是⾃下⽽上地⽣产⼈造细

胞，以实现我们在⽣物学中看到的基本细胞的可编程⼈⼯模拟。这看起来似乎是⼀项艰巨的任务，但是在过去⼗年中⼈造细胞

研究已经解决了许多实际问题，现在已经为⽇益复杂和有趣的项⽬开辟了肥沃的空间。

通过构建来理解⼀直是整个合成⽣物学的激励理念，也是⼈⼯细胞研究的主要驱动⼒。当我们从惰性分⼦中创造出⼀个⾃我复

制的实体时，实现合成细胞将有助于我们定义⾮⽣命和⽣命之间的障碍。但在更务实的层⾯上，它也将帮助我们更好地了解天

然细胞的⼯作原理。使⽤⼈⼯细胞，如脂质囊泡原细胞，我们已经可以研究难以评估的分⼦⽣物学⽅⾯，例如细胞中典型混杂

元素的微⼩影响，如分⼦浓度变化和⼤分⼦拥挤。随着微流体、化学分割和DNA合成等⽀持领域的加速发展，这是在原细胞

中进⾏合成⽣物学的激动⼈⼼的时刻，这⼀领域有望成熟并帮助我们更好地审视简化⽣物系统的可操作性。

虽然在原始细胞中实现⼤规模的⽣物⾏为（如细胞周期）仍然是⼀个棘⼿的问题，但研究⼈员正在利⽤构建的微结构来实现吞

噬作⽤、细胞间通讯甚⾄⾃我复制等功能，后者是最⼤的挑战之⼀。巨⼤的脂质囊泡已经为早期细胞样胶囊的构建和功能药物

的封装实验铺平了道路。作为⼈⼯细胞器的囊泡也激发了细胞中合成成分和天然成分的混合，如作为半⼈⼯⽣物反应器的脂质

体。这样的模块进⼀步有助于开发新的实验⽅法，⽐如使⽤新的化学信使进⾏细胞通讯。⼀般来说，分隔培育了⽣物空间中没

有混杂噪⾳的区域，这些区域可以⽤来进⾏实验，以创建可以计算、⾃组装的系统，并且有朝⼀⽇能够实现⾃主的⾃我复制。

因此，明智的做法是开始考虑⼀旦⼈造细胞成为现实，它们可以⽤来做什么。对于合成⽣物学中的某些应⽤，可以想象，具有

可定制的活性特征的原始细胞最终可能会取代⾃然微⽣物，成为⾸选的⼯程系统。合成细胞不仅是我们理解⽣命基本机制的⼯

具，还可以很快被部署为它们⾃⼰的可编程系统，有可能成为⼀种⼯具，可以利⽤⽣物学中最好的技术——进化、⾃主和⾃我

再⽣——并将其与我们在⽇常⽣活中拥有和使⽤的技术和功能相结合。

⼈⼯细胞研究也与最近推动发展不完全遵循与中⼼法则相同规则的⽣物学密切相关：所谓的“异种⽣物学”。在过去⼗年中，修

改细胞以在DNA、RNA和肽中使⽤⾮标准化学结构单元的努⼒已被证明在⼩规模上是成功的，并且肯定很快就会产⽣更多的

类似地，可以引⼊赋予诸如颜⾊和疏⽔性等⾼级性质的化学修饰，就像在细胞内的正确点插⼊⼀些额外的DNA以触发功能性

蛋⽩质和酶的表达⼀样容易。当然，能够对新开发的材料进⾏可扩展⽣产的制造技术将带来⾃⼰的挑战，但⼀旦得到磨练，它

们将⽐具有类似功能的主流材料提供竞争优势。⼀些合成⽣物学材料初创公司与试图解决其碳⾜迹的⾏业领先的时尚品牌的合

作已经证明了这⼀点。

这些最初的装饰为ELMs未来的复杂层奠定了基础，即⼯程细胞在材料⽣产出来后，在材料中扮演第⼆个⾓⾊。我们在软体机

器⼈技术等领域见过这种⽅法，在软体机器⼈技术中，可以游泳的肌⾁状软机器⼈是⽤⼀种含有⼯程光反应⼼脏细胞的凝胶状

材料制成的，这种细胞在光脉冲触发时跳动。这类项⽬代表了最忠实于其名称的ELM，并有望对我们思考材料的⽅式、我们

可以向它们引⼊什么特性以及我们如何使⽤它们产⽣重⼤影响。理想情况下，如果合成⽣物学能够以⼀个标准化的框架来实现

这⼀重⼤进展，我们就可以达到这样⼀个点：以这种⽅式制造的材料的性质和功能可以通过放置在制造它们的细胞内的模块化

DNA编码程序来定义和设计。毕竟，我们已经在植物中看到了这⼀点，每个细胞内的基因组都含有DNA程序，可以使细胞及

其周围组织⽣长和分化为从柔软的花瓣到坚硬的果壳等各种不同的材料。

10

促进可持续发展⽬标的⼯程有机体

为什么要追求所有这些新的进展，除⾮它们能帮助我们过上更好的⽣活？⽣物技术⼀直有能⼒改善我们的世界，但在过去的⼏

⼗年⾥，它显然将⼤部分精⼒集中在帮助⼈类繁荣并使我们活的更久。最初关注使⽤合成⽣物学来改善我们的健康是可以理解

的；毕竟，⼤多数⼈在说“⽣物学”时想到的第⼀件事是我们⾃⼰的⾝体。但⽣物学不仅仅是⼈类健康，在下个世纪与⽣物学合

作将是防⽌⽓候灾难的关键，并确保我们能够共同⽣活在⼀个健康的地球上。合成⽣物学需要成为这个解决⽅案的主要部分。

造活细胞都是令科学家兴奋的想法，但也可能引起⼴⼤公众的重⼤关注。因此，也许未来最⼤的挑战将是合成⽣物学中的每个

⼈都尽⾃⼰的⼀份⼒量与公众接触、倾听不同的观点、调整⾃⼰的想法，从⼀开始就使⾃⼰的⼯作和意图尽可能地开放和可

⽤。当涉及到像地球⾃⾝福祉这样重⼤的挑战时，地球上的每个⼈都是利益相关者，因此所有的观点都是有效的，应该得到考

虑。只有这样，我们才能建⽴被世界所接受的⼯程⽣物学，并给予它安全使⽤所需的适当管理。我们和下⼀代⼈有责任正确开

发这些技术，并明智、公平和安全地利⽤它们来保护⾃然和与⾃然合作，⽽不是利⽤和消耗⾃然。合成⽣物学可能为太空探索

提供了巨⼤的希望，但它在帮助我们保护我们为之进化的地球⽅⾯，总是会有更⼤的希望。

原⽂：Ten future challenges for synthetic biology DOI: 10.1049/enb2.12011

-END-

▪ 了解更多内容点击“阅读全⽂”进⼊官⽹