从动态调控到自适应控制：生物传感器驱动的生物制造的系统导向视角

《Engineering Microbiology》：From dynamic regulation to adaptive control: A systems-oriented perspective on biosensor-driven biomanufacturing

　　

合成生物传感器使动态代谢工程从静态途径优化转向自适应调控。尽管该研究领域已取得实质性进展，但将生物传感器赋能的调控转化为稳健的工业生物过程仍具挑战性，原因在于传感、调控计算、代谢执行与细胞自适应响应往往被独立设计与评价。信号–通量失配、时间延迟以及宿主调控互作等反复出现的问题，反映的是生物控制多个层级之间协调不充分，而非单个调控组件的局限。在本综述中，研究人员借鉴系统与控制工程的概念，依据其在Sense–Process–Actuate–Adapt（SPAA）框架中的控制功能，对生物传感器辅助、CRISPR辅助和进化辅助的调控策略进行组织与分析。这一系统导向视角补充了传统的基于机制的分类方式，揭示了多种调控技术之间共同的设计原则，并为分析和设计面向微生物生物制造的自适应调控架构提供了系统层面的框架。最后，研究人员讨论了生物传感、可编程调控、进化适应与数字化生物过程控制的融合如何可能加速稳健闭环微生物细胞工厂的开发。

研究背景方面，动态代谢工程已成为在波动的生理与环境条件下提升微生物细胞工厂稳健性、生产力和适应性的重要范式，其核心是合成生物传感器，可将胞内与环境信号偶联至可编程遗传回路，从而实现途径活性与代谢通量的自主实时调节。在工业应用的微生物宿主中，枯草芽孢杆菌（Bacillus subtilis）已成为动态代谢工程的突出底盘，其天然传感与调控网络日益被改造用于对细胞代谢的情境依赖控制。生物传感器赋能的代谢工程已通过代谢物响应型转录因子（TF）、基于RNA的调控器和成簇规律间隔短回文重复序列（CRISPR）介导的系统实现反馈响应型控制，但多数实现仍遵循模块化设计原则，传感、信息处理与代谢执行被作为相对独立的组件工程化。该架构虽便于回路构建与设计灵活性，却在代谢状态动态变化、细胞资源紧密耦合的工业生物过程中造成持续挑战。作者指出三类反复出现的局限制约着此类系统的稳健性与可扩展性：其一，代谢物浓度与代谢通量之间耦合较弱，降低传感保真度；其二，传感、调控响应与代谢输出之间存在时间延迟；其三，内源调控网络干扰与资源分配约束损害回路的可靠性与可预测性。这些局限指向更广泛的系统层面挑战而非孤立的技术瓶颈，因此生物传感器赋能的调控系统更宜被理解为分布式控制系统，其行为源于遗传回路、宿主生理与环境条件之间耦合的相互作用。基于此，研究人员提出以SPAA框架作为启发式视角，比较生物传感器辅助、CRISPR辅助与进化辅助的调控方法。

研究人员开展的研究属于综述性工作，其核心贡献不在于引入新的遗传工具，而在于提供系统层面的视角，将现有调控与进化策略解读为分层控制架构的部分实现。研究人员首先将当前生物传感器驱动的代谢工程系统概括为Sense–Compute–Actuate（SCA）架构，即传感、调控计算与代谢执行被组织为基本线性的级联；随后提出SPAA框架，将生物传感器驱动的调控组织为四个功能耦合的层级：Sense层对应将环境与胞内线索转化为调控信号的生物与工程传感组件；Process层涉及信息整合与调控决策，遗传回路整合多输入并将异质生物信号转化为调控输出；Actuate层涵盖调控信号向表型与代谢响应的转化；Adapt层则捕捉在较长生理时间尺度上涌现的系统组织变化，代表从动态调控（预定义调控逻辑随输入变化调整系统输出）向自适应控制（调控组织本身随演化的生理条件改变）的延伸。研究人员强调该分层不应被理解为严格的模块化分解，而应突出不同调控策略在传感、处理、执行与适应上分布着不同程度的生物耦合，并特别指出适应往往是宿主–回路相互作用的涌现属性而非显式工程化的控制元件。在此基础上，研究人员提出四条由SPAA框架派生的设计原则，并据此评估现有策略的功能完整性，进而以番茄红素生产为例说明如何从传统静态控制架构逐步走向SPAA所构想的集成控制架构。

在技术方法上，本综述不涉及实验操作，其方法学核心为概念性框架构建与文献整合分析。主要关键方法包括：借鉴系统与控制工程的概念，构建Sense–Process–Actuate–Adapt（SPAA）四层功能框架作为启发式组织透镜；将传统生物传感器驱动系统抽象为Sense–Compute–Actuate（SCA）架构以识别架构性局限；依据控制功能而非分子机制对生物传感器辅助、CRISPR辅助（含CRISPR干扰与激活，CRISPRi/a）与进化辅助策略进行归类比较；并以番茄红素生物合成途径作为贯穿性案例，演示从静态途径优化经bsBETTER多重翻译调控、代谢状态传感耦合、Process层与生理调控整合，到迭代扰动–测量–选择循环的渐进式架构升级路径。

研究结果方面，在“当前生物传感器系统的架构性局限”部分，研究人员通过架构分析指出：信号–通量解耦源于生物传感器通常测量代谢物池丰度而通量由碳流动态速率决定，同一代谢物水平可能源自根本不同的代谢状态，例如丙二酰辅酶A（malonyl-CoA）升高既可源于前体供给增加也可源于脂肪酸延伸受阻，前者对应通量能力增强而后者反映下游瓶颈与代谢拥堵，此时传感器介导的反馈可能将代谢物积累误判为生产性途径活性并进一步放大上游通量，导致传感器输出与生产表型相关性差；时间失配源于多个调控层在截然不同的时间尺度上运作，代谢物池具有内在时间缓冲，蛋白水平调控可通过磷酸化等翻译后机制使代谢物浓度与通量解耦，基于转录因子的生物传感器依赖转录、翻译与蛋白积累，基于RNA的调控器响应更快但受分子稳定性与细胞情境约束，双CRISPRi/a系统中调控效应依赖dCas蛋白与向导RNA的组装与积累而延迟被放大，即使调控决策已执行，酶表达水平与代谢输出仍受蛋白周转与生长相关稀释制约；宿主调控干扰方面，工程回路运行于高度互联的调控环境，枯草芽孢杆菌中严紧反应与Spo0A依赖的分化等全局调控网络将细胞资源从生长相关过程重新分配至生存与胁迫相关功能，替代σ因子竞争有限的RNA聚合酶池并动态改变全基因组启动子使用，工程回路还对宿主造成显著转录与翻译负担并竞争RNA聚合酶、核糖体与代谢资源，使回路性能与宿主生长状态耦合，故工程回路应被视为嵌入宿主调控网络的动态耦合组件而非完全模块化系统。研究由此得出结论：当前生物传感器系统的局限源于细胞组织多个层级之间协调不完整，而非单个传感或调控模块的缺陷。

在“通过SPAA框架重新解读生物传感器驱动的调控”部分，研究人员通过框架映射得出：SPAA框架将生物传感器驱动调控组织为四个功能耦合层级，Sense层中传感器在许多情形下报告的是代谢状态的情境依赖间接指标而非代谢通量的直接度量；Process层中生物信息处理本质上是随机的并强烈受细胞情境影响，相同代谢输入在不同细胞条件下可产生不同响应，调控组件并非孤立计算模块而嵌入宿主调控网络；Actuate层不仅包括下游基因表达，还包括最终塑造生产表型的细胞资源系统性重分配。研究进一步区分动态调控与自适应控制，指出Adapt层捕捉跨越较长生理时间尺度的系统组织缓慢变化，适应是宿主–回路相互作用的涌现属性而非显式工程化的控制元件。在“适应作为涌现的系统属性”部分，研究人员通过分析指出：工业生物过程在持续变化的生理与环境条件下运行，长期培养中细胞生理被营养可用性、代谢负担、氧传递、群体组成与环境胁迫持续重塑，针对某一生理状态优化的调控策略随培养进行而逐渐失效，故持续生产不仅依赖快速反馈调控，还依赖细胞在较长时间尺度上重组其调控行为的能力；枯草芽孢杆菌在指数生长、稳定期与胁迫适应之间的转换涉及转录网络、蛋白质组分配与代谢优先级的广泛重编程，适应源于多个调控层协调互作而非孤立反馈回路；近期工程策略日益超越单基因优化，采用多重扰动与协调重编程在多个位点与调控层重塑途径行为，例如利用碱基编辑同时调节多个核糖体结合位点以在整个枯草芽孢杆菌番茄红素生物合成途径中重分配酶表达，实现协调的代谢通量重分配并改善生产性能，基因组规模CRISPR扰动、动态途径平衡与进化辅助工程亦表明代谢优化日益依赖调控网络的协调重组而非单组件的独立操作；但这些方法的控制逻辑一般在培养前确立并在生产过程中基本固定，缺乏持续自主修改调控优先级、重分配细胞资源或调整控制参数的机制。研究强调涌现并不意味着被动，适应发生的条件可通过工程化宿主的调控灵活性与可及细胞状态而被有意塑造，多重基因组工程、组合式调控多样化与调控及生理网络重编程可扩展可及细胞状态的范围，适应工程无需预先指定最终适应状态，而在于设计引导系统趋向有利状态的调控景观与选择约束。表1以SPAA各层为纲概述了代表性调控策略的宿主、机制类型、控制功能、主要优势与关键局限。

在“SPAA派生原则”部分，研究人员由四个功能层直接导出四条设计原则：原则1，有效传感需要可观测的系统状态，调控决策应基于具有生物学意义的系统状态表征，而许多生物传感器报告代谢物丰度而非途径通量，故有效传感策略应优先测量更能反映通量动态或生理状态的量而非静态代谢物丰度；原则2，控制作用需要相容的时间动态，Process层与Actuate层通过不同生物时间尺度上的调控事件相连，稳健控制依赖传感、计算与执行在相容时间尺度上运作；原则3，控制器始终嵌入宿主生理之中，生物控制器与其运行的生理情境不可分割，调控性能应在宿主–回路相互作用的情境中而非仅凭回路架构评价；原则4，长期稳健性需要自适应重构，Adapt层通过使调控组织随演化的生理条件改变而将调控控制延伸至即时反馈之外，未来调控系统不仅应响应变化的代谢状态，还应在整个长期培养过程中调整调控优先级与控制参数。研究指出这四条原则共同说明SPAA框架如何将传统生物传感器引导的调控从反馈控制延伸至自适应调控架构，并提供依据功能完整性而非分子机制比较多种调控策略的共同概念框架。

在“现有调控策略作为SPAA的部分实现”部分，研究人员通过分类分析得出：SPAA框架不引入新的遗传工具，而是将现有调控与进化策略解读为分层控制架构的部分实现。动态代谢物响应系统最贴近Sense层与Actuate层，因其直接将胞内代谢信号与调控输出耦合，实例包括丙二酰辅酶A响应回路与作为相关信号响应策略的群体感应介导的种间通讯，异戊烯基二磷酸响应系统亦被用于调控突变率并进化出更高的类异戊二烯产量，但这些系统展示了将传感与调控或进化响应耦合的不同方式，许多传统代谢物响应回路中调控逻辑基本为硬连线且局部优化，限制了其在持续环境或代谢扰动下的适应性。基于CRISPR的调控主要扩展Process层，在传感与代谢执行之间引入可编程信息处理，CRISPRi/a回路、多重向导RNA架构与遗传逻辑电路提供了可编程调控计算的通用平台，实现多基因表达程序的组合与逻辑门控控制，但这些系统受预定义回路架构约束，调控行为在设计阶段基本确定、自适应响应通过固定反馈关系实现，因而增加调控灵活性却未根本改变底层控制架构；从控制论角度，多数生物传感器赋能系统作为反馈控制器运作，而显式自适应控制仍相对少见。进化辅助方法最接近实现Adapt层，通过变异与选择的迭代优化实现适应，定向进化、连续进化平台与适应性实验室进化提供了通向适应的不同路径，此类系统通过作用于细胞适应度景观的选择压力引入群体层面适应，有效实现Adapt层并实现基因型–表型关系的长期重连，但过程仍为外部引导而非显式编程；在此意义上定向进化证明了适应本身作为工程策略的效用，生物系统可通过变异、选择与学习的迭代循环优化，使功能解决方案超越理性设计所能触及的范围。基因组规模调控多样化通过系统性探索调控景观而非实时反馈调控部分实现Adapt层，代表性实例包括多重自动基因组工程（MAGE）与可追踪多重重组工程（TRMR）等基因组规模工程平台及相关重组工程方法，这些策略虽不连续调整调控输出，但通过反复的多样化与选择循环富集有利调控配置从而促进适应；面向谷氨酸棒杆菌（Corynebacterium glutamicum）与枯草芽孢杆菌分别设计的CRISPR碱基编辑工具BETTER与bsBETTER即为该概念的例证，通过组合调节翻译起始速率产生具有多样翻译表达状态的变体，再经高通量筛选鉴定生产表型改善者。从SPAA视角看，这些方法可视为适应的早期或部分形式，说明适应性行为既可通过工程化反馈控制产生，也可通过调控景观的系统探索与选择涌现；与经典自适应控制不同，其适应通过反复多样化与选择而非连续在线重构实现。研究指出许多SPAA要素已存在于当代生物传感器引导与进化辅助策略中，但通常在彼此分离的工程范式内发展而很少整合进统一控制框架，SPAA框架通过将传感、处理、执行与适应组织为单一自适应控制架构的互补层级而弥合这一空白。以番茄红素生产为例，初始阶段通过预定遗传干预（如固定启动子或核糖体结合位点工程）平衡甲基赤藓醇磷酸（MEP）与番茄红素生物合成途径的酶表达，所得架构本质为SCA，调控参数预先优化并在培养中基本不变；bsBETTER通过多重组合调节多个途径基因的核糖体结合位点系统探索更广的翻译调控景观，在SPAA中可视为适应的早期形式；进一步扩展是强化代谢传感与途径调控的耦合，将代谢状态传感器与途径调控耦合以报告前体可用性或途径通量的变化（如胞内异戊烯基焦磷酸（IPP）/二甲基烯丙基焦磷酸（DMAPP）状态），并将传感器输出连接至动态调整途径活性的调控模块，将静态途径平衡转化为状态依赖控制；架构还可通过引入Process层与更高层生理调控进一步扩展，将代谢信号与细胞生长、膜稳态、蛋白质量控制与胁迫状态一并解读；最后可利用扰动、测量与选择的迭代循环精炼调控架构并识别改进的控制状态。研究由此说明SCA架构可通过纳入代谢传感、信号处理、生理调控与自适应优化逐步扩展，最终趋近SPAA所构想的集成控制框架，该案例为将SPAA框架应用于单一产品或宿主之外提供了实践路线图。

讨论与展望部分，研究人员指出SPAA框架反映了代谢工程中从静态途径优化向生命系统自适应控制工程的更广泛概念转变。历史上微生物细胞工厂设计主要依赖预定遗传修饰继而离线迭代优化，随着工业生物过程日益动态化，未来生产系统将需要在整个长期发酵过程中持续感知胞内状态、调整调控输出并维持代谢稳健性。一个有前景的方向是将生物传感器驱动调控与闭环控制架构整合，使胞内代谢信号直接耦合至途径表达、资源分配、胁迫响应与发酵参数的动态调控；未来控制策略可能不再优化单一预定代谢状态，而聚焦于在持续变化的生理与环境条件下维持稳定生产。高通量传感、自动化发酵平台与计算建模的进展进一步支撑自适应微生物生物制造系统的发展，特别是将实时生理测量与预测性代谢模型整合的新兴数字孪生框架可能实现工业发酵中的预测性自适应控制。不同计算建模方法可在SPAA框架内贡献互补功能：基因组规模代谢模型（GSMMs）可为估计代谢通量分布与识别可行代谢状态提供系统层面约束，动力学模型可捕捉代谢物、酶与调控过程之间的动态响应与时间依赖，机器学习模型可进一步整合异质在线测量并推断难以测量的生理状态，实现由易获取过程变量进行状态估计。这些计算方法的结合可支持细胞状态估计以及预测生长、前体可用性、胁迫与产物积累的变化如何影响途径性能，所得预测可用于指导调控状态的选择或在生理恶化发生前触发靶向重编程，从而将SPAA架构从响应当前细胞状态延伸至预测未来状态。更广泛地，预测性适应可结合设计的调控多样性、定向重编程与模型引导的状态选择，主动重塑细胞工厂的运行状态而非仅依赖被动进化选择；这一预测能力对基于芽孢杆菌的制造可能尤为有价值，因其分泌能力、胁迫适应与长期进化稳定性强烈影响过程性能。然而工业生物制造中的预测性适应仍具挑战，因为细胞状态仅部分可观测、调控响应跨多个时间尺度运作、预测模型需在变化的过程条件下保持足够稳健。另一重要前沿是可编程调控与进化适应的融合，体内多样化、连续进化与多重基因组工程技术正在拓展构建自优化代谢网络的可能性，未来微生物细胞工厂可能持续探索调控景观而非收敛于单一工程化配置。尽管存在这些机遇，自适应控制架构应用于工业生物制造前仍须解决若干实践挑战：其一，放大引入氧可用性、营养供给、pH、温度与代谢物浓度的空间与时间异质性，可产生与实验室规模培养显著不同的生理状态，故自适应系统需在异质反应器环境中维持可靠的状态传感与控制性能而非依赖均一细胞条件；其二，长期遗传稳定性仍是主要关切，反馈回路的持续运行与自适应重构可能产生有利于回路衰减、突变或昂贵功能丢失的选择压力，导致群体漂移与长期培养中生产性能下降；其三，代谢与基因表达负担可使回路活性与宿主生长和资源分配耦合，尽管自适应控制可通过动态调整途径活性缓解此类负担，但过度的传感、计算或调控重构本身可能消耗细胞资源并损害生产；其四，由于传感器信号、细胞状态与生产表型之间的关系可能随发酵阶段与过程条件改变，在某一生理情境中有效的调控策略在另一情境中可能变为次优，这凸显了使用整合宿主生理与过程层面信息的控制架构而非将工程回路视为孤立模块的必要性。这些挑战也界定了SPAA框架的实践作用：SPAA并非简单增加回路复杂性，而强调在考虑宿主生理与过程条件的同时实现传感、处理、执行与适应的协调，未来自适应系统需在异质与变化条件下维持可靠控制，同时尽量减少调控负担并在长期培养中保持遗传稳定性，这一系统导向视角应有助于弥合实验室规模回路性能与持续工业运行之间的差距。研究结论可译为：合成生物传感器使动态代谢工程从静态途径优化转向自适应调控；尽管该领域已取得实质性进展，但将生物传感器赋能的调控转化为稳健工业生物过程仍具挑战，因为传感、调控计算、代谢执行与细胞自适应响应常被独立设计与评价；信号–通量失配、时间延迟与宿主调控互作等反复出现的问题反映生物控制多层协调不充分而非单个组件局限；本综述借鉴系统与控制工程概念，按SPAA框架中的控制功能组织分析生物传感器、CRISPR与进化辅助的调控策略；该视角补充传统机制分类，揭示多样调控技术的共同设计原则，并为分析与设计微生物生物制造的自适应调控架构提供系统层面框架；最后讨论了生物传感、可编程调控、进化适应与数字化生物过程控制的融合如何加速稳健闭环微生物细胞工厂的开发。