可编程微藻：面向动态环境性能的感知—决策—适应系统工程

《Biotechnology Advances》：Programmable microalgae: Engineering sense–decide–adapt systems for dynamic environmental performance

　　

微藻（microalgae）菌株通常在固定条件下被工程化构建与基准评价，然而工业培养体系所经历的光照、温度、CO2、盐度和营养盐制度会从秒级变化到季节性变化。可编程微藻，即能够感知环境变化、整合信号并调整自身生理状态的细胞（Sense–Decide–Adapt，SDA），有望弥补这一差距。天然的养分感知、光保护、碳浓缩和渗透调节程序已经近似于SDA架构，而基因组编辑、生物传感器和单细胞筛选使研究人员能够对这些架构进行重连，不过改变响应动力学能够提高生产力的直接证据仍然有限。研究人员在此提出环境性能包络（Environmental Performance Envelope，EPE），该框架定义了菌株在现实环境轨迹下保持特定比例参考生产力的环境空间区域。EPE将一个设计问题转化为一项实验：工程改造究竟是拓展了操作空间，还是仅仅重新定位了最优点？一个分阶段路线图，包括CO2波动试验和进化稳定性测试，将工程目标从静态性状转向响应动力学、恢复能力、异质性和稳定性，并把细胞控制与生物过程设计相耦合，从而指向更稳健的藻类生物制造。由于环境变异性会限制任何在实验室外部署的生命系统，同样的逻辑或可推广到其他微生物细胞工厂、作物和工程生物。

研究背景方面，微藻平台兼具光合固碳与广泛代谢多样性，基因组编辑和合成生物学工具已大幅扩展其可构建性。但常规工作流遵循静态逻辑：在单一确定条件下鉴定有价值表型、工程改造或筛选该表型，并报告该条件下生产力。户外池塘、光生物反应器和废液培养使细胞持续暴露于光照、温度、CO₂、pH、盐度和营养盐等连续变化环境中，从秒级到季节级不等；为单一空间点优化的菌株，在条件偏离后未必表现良好。已有文献把“programmable”用于微藻，但含义是定量指定基因组编辑和遗传部件，未解决工程条件与生产环境之间的时间错配。细菌与酵母代谢工程中自主动态调控逻辑虽已发展，但面向光合细胞多信号户外相关底盘的环境波动评价与控制框架仍缺位。因此，研究人员提出以感知—决策—适应（Sense–Decide–Adapt，SDA）和环境性能包络（Environmental Performance Envelope，EPE）为核心的新框架，相关论述发表于《Biotechnology Advances》。

主要关键技术方法方面，研究人员依托天然SDA机制文献证据、控制论层级类比、静态与动态环境评价框架设计、蛋白质与代谢层传感—决策—执行机制分析、单细胞与拉曼激活细胞分选（Raman-activated cell sorting，RACS）筛选、基因组规模突变体库分析，以及机器学习辅助表型—基因型数据插值，对微藻动态适应环境性能进行评价与框架构建；样本与模型来源包括Chlamydomonas reinhardtii、Nannochloropsis、Dunaliella parva、Phaeodactylum tricornutum、Haematococcus pluvialis等微藻体系及酵母与细菌已有自主动态调控先例。

研究结果方面，第1部分引言指出工程目标不匹配生产环境，常规静态流程无法保证波动环境下生产力，需将自主动态调控逻辑适配到光合多信号底盘。第2部分从耐受到可编程：控制论阶梯中，研究人员区分耐受、稳健性、恢复力、适应与可编程性，说明可编程细胞应由调控动力学匹配过程环境轨迹来评判，而非仅看生存范围。第3部分微藻已运行SDA程序：3.1节养分状态通过TOR激酶整合为生长—储存决策，vip1–1突变使三酰甘油积累与氮饥饿信号解耦，且肌醇焦磷酸与TOR信号共同调控光保护，证明决策层可重连并具有多信号交叉；3.2节光保护是可逆可工程化状态切换，phototropin触发LHCSR3，Nannochloropsis中异源表达玉米黄质环酶加快恢复动力学并提高密培养光受限条件下生物量生产力，说明响应动力学本身是产量性状；3.3节碳浓缩机制（carbon-concentrating mechanism，CCM）是动态重组执行器，蛋白核（pyrenoid）呈相分离凝聚态，与电子流和光保护共用信号；3.4节渗透调节中Dunaliella parva以甘油快速调体积，约两小时完成体积恢复，展示慢于光保护但可工程的代谢执行器；3.5节环境记忆样响应中，近期高光使后续响应加快可由叶黄素循环动力学解释，跨代表观甲基化可塑且影响适应，提示SDA需含慢速历史依赖层。第4部分EPE框架中，研究人员将EPE定义为在明确生产力阈值下维持生产功能的多维环境区域，静态EPE用于梯度映射，动态EPE用于轨迹评价，并以轨迹积分生产力P_traj＝1/τ∫₀^τP[E(t),S(t)]dt量化，强调恢复时间、迟滞、种群异质性与设计空间（design space）不同。第5部分测量层，研究人员以实时蛋白生物传感器追踪二萜前体磷酸池，以Nannochloropsis oceanica中3567个突变体RACS筛选发现已知与未知类胡萝卜素调控节点，机器学习仅用于插值优先化而非替代机制测量。第6部分工程监管架构，研究人员主张重连内源传感—决策节点而非堆砌合成部件，Nannochloropsis gaditana中单转录调控因子弱化使脂生产力近倍增且生长基本保留，合成电路仅在本土调控缺乏特异性或独立可控性时使用。第7部分进化稳定性，研究人员指出线路负担会引选择压力，Chlamydomonas reinhardtii核转基因常被表观沉默，Haematococcus pluvialis同质群体可逆分为生长偏向与抗逆表型，因此需测均值、选择与异质性重分布。

讨论与结论部分，研究人员强调SDA—EPE把细胞自身调控架构作为评价对象，而非仅优化单点产量；过程层模型预测控制可保反应器平均表现，却不改变菌株内在EPE。若重连碳获取节点只改静态最优点而未提升轨迹积分生产力、恢复与包络广度，则不算动态可编程性证据；若提升这些动态指标且不带来不可接受负担或进化侵蚀，才说明细胞控制架构本身成为生产性状。研究人员结论为：天然微藻SDA模块已有跨层交叉与可逆执行器基础；EPE使工程目标从静态性状转向响应动力学、恢复、异质性与稳定性；CO₂波动试验与进化稳定性测试构成阶段路线；该逻辑可外推至其他微生物细胞工厂、作物与工程生物。可编程微藻的核心不是更多基因部件，而是让感知、决策与适应闭环在现实环境轨迹中保住生产功能。