《Natural Product Reports》：Accelerating natural product discovery, characterization and engineering by biofoundriesOpen Access
编辑推荐：
天然产物（NP）发现正日益受到低通量筛选、重复再发现以及基因组挖掘引导的验证流程难以放大等问题的制约。本综述考察自动化生物铸造厂（biofoundry）如何通过集成的设计-构建-测试-学习（DBTL）循环加速NP发现、表征与工程化。研究人员讨论了由机器人、高通
天然产物（NP）发现正日益受到低通量筛选、重复再发现以及基因组挖掘引导的验证流程难以放大等问题的制约。本综述考察自动化生物铸造厂（biofoundry）如何通过集成的设计-构建-测试-学习（DBTL）循环加速NP发现、表征与工程化。研究人员讨论了由机器人、高通量途径重构和自动化筛选平台所赋能的表型优先（phenotype-first）与基因组优先（genome-first）发现策略的最新进展。研究人员进一步强调细胞游离生物合成（cell-free biosynthesis）、自动化培养组学（automated culturomics）、可编程底盘工程（programmable chassis engineering）以及人工智能（AI）辅助工作流编排等新兴技术，这些技术有望实现更具自主性的生物铸造厂，用于可放大的NP化学空间探索与治疗物发现。
研究背景方面，天然产物（NP，natural product）长期是药物、农用化学品、生物材料和工业生物技术的重要来源。传统NP发现依赖微生物培养与活性导向分离，虽产出青霉素、洛伐他汀和环孢素等分子，但常面临已知化合物重复再发现、纯化与表征劳动密集等瓶颈。随着基因组测序与生物信息学发展，隐秘生物合成基因簇（BGC，biosynthetic gene cluster）被大量识别，但实验验证、异源表达和功能表征仍难以规模化。生物铸造厂（biofoundry）作为高度自动化与机器人化设施，已在DNA组装、蛋白工程、合成生物学和抗体开发中显现价值；然而NP研究接入生物铸造厂仍相对滞后，尽管其本身极适合自动化。因此，研究人员开展本综述，系统总结生物铸造厂赋能NP发现、表征与工程化的进展、机会与挑战。该论文发表于《Natural Product Reports》。
关键技术方法方面，研究人员采用文献综合与案例分析，覆盖表型优先发现中的转座子突变体机器人筛选与图像分析，基因组优先发现中的antiSMASH与RODEO基因组挖掘、CAPTURE直接克隆、iBioFAB自动化重构与异源表达，以及RiPP工程中的自动化诱变与组合文库构建；样本队列包括Pseudomonas sp.突变体、真菌Terpenoid BGC、细菌RiPP BGC、Streptomyces BGC及E. coli lanthipeptide变异库。
研究结果方面，2. Automation strategies指出当前NP生物铸造厂主要适配表型优先与基因组优先两类范式，并扩展至自动化诱变与组合途径设计。2.1. Phenotype-first discovery in automated workflows中，研究人员通过Pseudomonas sp. Ps652ΔHCN约2880个转座子突变体的机器人阵列与拮抗成像，将筛选周期缩至约2周，锁定产生7-hydroxy-tropolone的隐秘BGC，说明表型优先可放大但后续仍需代谢物分离与机制解析。2.2. Genome-first discovery and characterization enabled by biofoundries中，研究人员以Aspergillus oryzae异源表达39个萜类BGC，得到185种代谢物并发现抗炎倍半萜mangicol J；FAST-RiPPs在E. coli中重构96个RiPP BGC，获30个跨6类的RiPP并有抗菌活性；FAST-NPS用ARTS与CAPTURE从Streptomyces中优先克隆105个含自抗性基因BGC，23个代谢物来自12个BGC，8个具抗菌或抗肿瘤活性，表明基因组优先可系统进入隐秘多样性但下游表征仍是瓶颈。2.3. NP pathway engineering and diversification中，研究人员的机器人平台在E. coli中构建并筛选超过1700个lanthipeptide变体，获得抗菌增强变异，显示NP可从发现导向转为可编程工程平台。
讨论部分指出，现有系统多处于Stephenson等人框架的level 2与level 3，未完全闭环；细胞游离系统（CFS）、自动化培养组学、可编程底盘工程可拓展DBTL；AI驱动生物铸造厂需FAIR数据、统一架构与科学AI agent来连接learn与design-build-test。结论部分翻译如下：天然产物长期以来一直是药物、可持续农业、生物材料和工业生物技术的重要来源。从早期表型驱动发现到当前高通量与日益自动化的工程平台，NP发现随生物学知识与实验技术持续演进。近期NP工作流接入生物铸造厂，已能在直接克隆、菌株工程、途径重构、表型筛选和NP多样化方面规模化应用。然而当前NP生物铸造厂仍仅部分集成，许多流程碎片化且在DBTL步骤间依赖大量人工干预，多处于部分自动化与条件自动化阶段。迈向自主NP发现平台，需要实验与计算技术在DBTL循环中的更好集成与编排；FAIR合规数据、数字孪生和云连接生物铸造厂架构是重要方向。尽管近期完全自主生物铸造厂不会很快实现，但自动化、标准化数据与AI辅助工作流将持续把碎片化NP工作流转变为集成、自适应发现平台，最终在闭环DBTL中协调挖掘、表征、工程与多样化，加速NP化学空间与治疗发现。
