《Critical Insights in Biotechnology》：From design to application: Transforming synthetic biology through DBTL and biofoundry innovation
编辑推荐：
合成生物学涉及通过迭代的测试和修改轮次来设计和工程化生物系统，以开发最有效的解决方案。合成生物学工具已被用于跨行业，包括医疗、环境和农业领域，以生产大宗化学品、天然产物、生物燃料和疫苗。设计-构建-测试-学习（Design-Build-Test-Learn,
合成生物学涉及通过迭代的测试和修改轮次来设计和工程化生物系统，以开发最有效的解决方案。合成生物学工具已被用于跨行业，包括医疗、环境和农业领域，以生产大宗化学品、天然产物、生物燃料和疫苗。设计-构建-测试-学习（Design-Build-Test-Learn, DBTL）平台定义了合成生物学的关键方面，在代谢工程范式中从劳动密集型向全自动生物铸造厂转变。本见解讨论了在DBTL工作流程的每个部分推动边界的创新方法。它还概括了DBTL管道在不同应用和技术瓶颈中的作用，强调了跨学科合作的机会。此外，还讨论了最近的努力，如深度学习和自动化，以满足有价值产品的需求。
1. Introduction：DBTL（Design-Build-Test-Learn）平台是合成生物学中快速实现选择性生物工程产物（如生物医药、生物燃料和化学品）的主导方法。生物铸造厂由自动化工程工具驱动，通过迭代修改实现DBTL平台的快速构建和重组生物体的测试。主要挑战包括生物系统的代谢复杂性、低生产力、低耐受性、对集成物理/数字基础设施的需求以及缺乏创新的生物安全标准。DBTL平台需要自动化和分析基础设施，全球生物铸造厂联盟（GBA）于2019年成立以协调研究。DBTL周期始于设计阶段，确定目标功能并选择异源底盘，随后是构建、测试和学习阶段，学习阶段使用计算建模指导下一轮循环。启动生物铸造厂需大量资金投入。
2. Global viewpoint on synthetic biology：合成生物学作为平台技术，旨在利用生物基原料生成高价值产品以支持生物经济。各国政府（如美国、英国、澳大利亚、印度和日本）已投资研究基础设施和生物铸造厂。印度批准了BioE3（Biotechnology for Economy, Environment and Employment）政策，聚焦精准生物治疗、生物基化学品、智能蛋白质等领域。全球论坛和合作有助于共享数据和材料，增强生物铸造厂能力。
3. Synthetic biology workflow：数据驱动的DBTL工作流包括设计、构建、测试和学习。设计和构建组件用于创建计算和DNA组装工具。测试阶段通过机器学习（Machine Learning, ML）、人工智能（Artificial Intelligence, AI）和统计分析评估设计。挑战包括前体供应不足、竞争代谢通路、高成本、复杂途径重建困难等。解决方案包括开放材料转移协议（OpenMTA）、自主系统实验室（Autonomous System Lab, ASL）和SynBioHub知识库。
3.1 Design：设计阶段处理遗传电路的初始设计，选择目标化合物和异源底盘（如大肠杆菌Escherichia coli、酿酒酵母Saccharomyces cerevisiae）。常用工具包括OptForce、OptKnock等用于代谢通量优化。AI辅助理性设计可扩展合成生物学潜力，但预测准确性仍有限。
3.2 Build：构建阶段合成DNA序列并组装到载体中，引入异源宿主。细胞-free合成生物技术可加速通路工程。自动化工具如AssemblyTron使用开源Python包自动化构建步骤。瓶颈包括产物毒性、遗传稳定性、缺乏标准组装方法。ML技术如多重自动化基因组工程（MAGE）、细菌正交DNA复制系统（BacORep）和CRISPR/Cas9结合的CRMAGE提高了重组效率。
3.3 Test：测试阶段通过高通量筛选评估菌株产率。工具如Teemi和Flapjack集成分析和可视化，优化多变量数据集。ML工作流如MiYA（结合YeastFab Assembly策略）用于优化组合生物合成。细胞器定位（如过氧化物酶体）可克服合成挑战。
3.4 Learn：学习阶段分析测试数据以优化后续迭代。AI和ML通过算法训练加速DBTL循环，如主动学习优化培养基提高黄褐素产量。自动化推荐工具（Automated Recommendation Tool, ART）提供概率模型推荐菌株。ML方法使酿酒酵母的乙醇产量提高63%，并在两个DBTL循环内使对香豆酸产量达0.52?g/L。
4. Novel biofoundry architectures：生物铸造厂需大量持续投资，GBA现有40多个公共生物铸造厂。成功案例包括联合生物能源研究所（JBEI）、伦敦生物铸造厂、爱丁堡基因组铸造厂（EGF）和澳大利亚基因组铸造厂。关键考虑因素包括基础设施、预期吞吐量、投资规模、跨学科专长和自动化可能性。
4.1 Building infrastructure：基础设施需结合数字和物理资源，政府与私人投资共同作用。政策应促进私营部门对生物制造的信任。
4.2 Expected throughput：吞吐量常未充分利用，需理解市场需求以避免饱和。
4.3 Scale of investment：建立和运营生物铸造厂需要大量时间、人力和资金，需制定长期财务计划。
4.4 Interdisciplinary expertise：未来生物铸造厂需跨学科合作，开发元工作流以标准化协议和数据解释。
4.5 Possibility of automation：自动化提高通量和可重复性，但需软件与硬件集成，及模块化设计。
5. Impact of Biofoundries：生物铸造厂通过自动化减少人为误差，提高可重复性，并集成计算工具。GBA促进数据共享，全球有40多个参与者。例如，iBioFAB每天可生产400对转录激活因子样效应核酸酶（TALEN），每个材料成本2.1美元；爱丁堡基因组铸造厂每周处理超过2000个DNA组装反应。未来生物制造研究中心（FBRH）专注于早期研究（技术成熟度1-3）。挑战如青蒿素在酵母中的合成需150人年工作。
6. Applications of synthetic biology：合成生物学应用于工业、医疗、农业和环境。
6.1 Natural products bioengineering：使用多组学方法发现天然产物途径。工具如生物合成基因相似性聚类和勘探引擎（BiG-SCAPE）和直系同源物核心分析（CORASON）用于基因组数据分析。BioNaVI-NP工具进行计算机辅助逆合成预测。例子：verazine在酵母中通过DBTL循环达83?±?3?μg/L；类黄酮(2S)-松柏素在大肠杆菌中通过两个DBTL循环提高500倍至88?mg/L。
6.2 Chemical production：利用DBTL平台生产大宗化学品，如丙酮、甲醇、聚-β-羟基丁酸等。例子：通过两个DBTL循环在工程大肠杆菌中从葡萄糖生产1-十二醇至0.83?g/L；靛蓝染料产量提高300%至1.5?g/L。
6.3 Biofuel engineering：合成生物学整合AI和ML构建合成酶和途径。高通量方法用于生产生物柴油、正丁醇、异丁醇等。自动化多重基因组工程优化酵母中异丁醇生产。
6.4 Bioengineered material：工程化细菌纤维素通过酪氨酸酶表达自着色。细胞-free系统用于药物递送和组织工程。
6.5 Food production：微生物系统生产血红素（151.4?mg/L）、β-胡萝卜素（6.5?g/L）和虾青素（285?±?19?mg/L）。模块化合成生物学工具用于米曲霉中增强麦角硫因和血红素。
6.6 Vaccines：mRNA COVID-19疫苗成功推动疫苗开发。合成生物学用于快速从病毒序列设计疫苗候选物。植物基疫苗如QS-21在烟草中瞬时表达，或在酵母中重建38种异源酶。
6.7 Other application areas：包括生物修复、环境生物传感、碳捕获、诊断、生物计算和植物生物工程。
7. Integration of DBTL platforms from the lab to industries：从实验室到工业规模放大面临协调、标准、数据异质性和自动化挑战。提出的生物制造框架利用人工智能（AI）和生物工程工具连接学术界和工业界，平衡生产能力和需求。
8. Conclusion and future perspective：DBTL策略增强高价值商品合成。需通过技术发展和全球合作应对挑战。AI和ML将扩大合成生物学视野，预计将开发时间减少10倍。下一代平台将整合转录组学、基因组学和基因功能分析，创造新的生物功能。
