过去二十年来，我们读取和编辑 DNA 的能力已经改变了生物学，这得益于测序技术、基因编辑工具和计算方法的进步。然而，从头编写 DNA 仍然是生物技术的瓶颈，尤其是长且复杂的序列和文库的合成。目前，有四大类 DNA 合成技术，解决 DNA 编写过程的不同部分；然而，每种技术都有局限性。

亚磷酰胺化学是行业标准，可以生成长达 200 个核苷酸的 DNA 寡核苷酸序列，且自 20 世纪 80 年代初以来，其工作流程基本未变1。该方法涉及四个步骤的循环：脱保护末端核苷酸、激活并与额外的核苷酸偶联、封闭末端以避免再次添加，以及氧化以保持稳定性。虽然每一步都高效，但应用数百次循环最终会导致错误率成为限制因素。

现在有了新方法，可以将这些较短的寡核苷酸组装成更长、更复杂的 DNA 序列或质粒。今年早些时候，一个研究小组引入了一种称为 Sidewinder 的三叉连接技术2。Sidewinder 不再依赖重叠末端来组装 DNA 片段，而是包含一条第三链，携带片段组装顺序的信息，这条链永远不会成为最终产物的一部分。该方法适用于难以通过基于重叠的方法组装的序列，如重复序列。本月在《自然 - 生物技术》杂志上，Wu 等人提出了分子自组装诱导克隆（MOSAIC），这是一种生成长 DNA 序列的不同方法，将寡核苷酸的可编程自组装与细胞内 DNA 缺口修复机制相结合3。在 MOSAIC 中，重叠寡核苷酸在体外单管反应中自组装，而细胞内的 DNA 缺口修复机制封闭缺口以创建功能性质粒构建体，即使对于难以组装的序列也是如此。这些方法都推进了 DNA 组装（长度和速度），但无法纠正所用原始寡核苷酸序列中的合成错误，而这些序列仍然是通过化学方法生成的。

对于不使用寡核苷酸生产合成 DNA 的情况，有酶法方法。与使用化学循环添加核苷酸不同，末端脱氧核苷酸转移酶（TdT）等酶一次添加一个核苷酸，不需要任何模板。Ansa Biotechnologies 公司表明，它可以利用与单核苷酸偶联的 TdT 直接合成长度超过 1,000 个碱基的 DNA 分子，而无需组装较短的寡核苷酸4。每个合成循环添加一个指定的核苷酸，然后移除酶并重复该过程。这种酶技术是序列无关的——化学过程本质上不依赖于下一个碱基的身份或局部序列上下文，不同于一些其他的 DNA 合成方法——但仍有很小的错误率，约为每 1,000 个碱基 1 个错误。其他公司正在寻找其他酶法选项。Camena Bioscience 转而使用优化的酶混合物来构建 DNA 片段，然后将它们组装起来。然而，他们的特定酶是专有的，其数据尚未发表。

大型 DNA 序列理论上也可以在体内完全组装或复制，由 retrons（细菌遗传元件）完成，它们可以使用 RNA 模板在细胞内产生单链 DNA。在此方法中，包含逆转录酶和 RNA 模板的 retron 被编码在质粒中并递送到细胞中，然后细胞使用自身的机制生成相应的单链 DNA。虽然这个想法有潜力，但迄今为止 retrons 仅被用于生成数十个碱基对的短序列。要将此转化为可编程的细胞内 DNA 编写，该系统需要一种能够产生更长 DNA 的聚合酶或逆转录酶、稳健的错误校正机制，以及一种高效组装并回收这些产品的方法。

高效可靠的 DNA 编写技术在治疗领域将有重大机遇。最好的商业机会可能是治疗性 DNA 制造——完全取代用于 CRISPR 治疗、基因治疗、CAR-T 工程等的 DNA 的亚磷酰胺合成。人工智能正在推动蛋白质工程，但要表达一种设计的蛋白质，必须存在 DNA 序列。随着更快更便宜的 DNA 编写，AI 蛋白质设计的实验循环加速。细胞疗法变得越来越复杂，涉及多个编辑、合成启动子、安全开关和大型敲入。长而准确的 DNA 编写扩展了这一设计空间。最后，其他较小的研究领域，如从头组装合成基因组、更具雄心的工业途径工程、DNA 数据存储和分子记录，都可以从更先进的 DNA 编写技术中受益。

随着 AI 继续加速实验科学的步伐，对 DNA 序列的需求将增长。许多实验室可以在几小时内通过计算设计数千个有前途的 DNA 构建体，但物理构建和测试它们是最慢且最昂贵的步骤。可靠性将是关键：当从商业供应商订购序列或质粒时，它必须是正确的。虽然公司报告长序列的高准确率，但它们生成 DNA 产品的时间仍然太长（数周）。该领域需要开发方法，在保持准确性的同时加快合成速度。

“随着 AI 继续加速实验科学的步伐，对 DNA 序列的需求将增长。”

此外，这些方法不太可能是终点。随着新酶或修饰酶的出现，或者概念上全新的方法涌现，将需要有一个 DNA 测序基准来衡量可靠性。要取得商业成功，一种新方法需要证明其技术在不同复杂性和长度的序列上优于其他技术。成功不仅仅是取代亚磷酰胺化学；它可能促进治疗开发、蛋白质工程、合成生物学和更先进的体内基因组编写系统的更快进展。下一个故事不是我们将如何合成 DNA，而是当编写生物学像读取它一样常规时，什么将成为可能。