1
合成生物学技术发展
合成生物学，旨在于生物学中应用如标准化，去耦合化，模块化的工程学原理以在生物系统中实现新兴的功能。该学科作为生物学和工程学的交叉结合，旨在通过重新编辑生物通路实现对生物系统的逻辑学控制或实现目标功能。近年来，如DNA读写编辑技术，高通量平台，和数据科学等技术学科的发展，不断推进着合成生物学的发展，也使得合成生物学的涵盖面不断地扩大。DNA读写及编辑技术得益于人类基因组计划（HGP）的完成，DNA读写技术的成本已经以成万倍的数量级减少，这也成为了推动合成生物学发展的最大动机。这其中，最典型的基因组精确编辑技术莫过于不断发展成熟的CRISPR了。图丨CRISPR-Cas9（来源：AnimatedbiologyWitharpan）此外，合成酵母基因组计划更进一步地推进了DNA读写技术的发展，此外也催生了如单分子测序平台和酶促DNA合成技术。分子及宿主高通量平台现阶段的合成生物学应用很大一部分还处在试错阶段，被DBTL（设计-建造-测试-学习）的循环所强行推进。DBTL，这一工程化思想通过循环递归的方式得到满足需求的实验设计方案，该循环可帮助系统化代谢工程并提高其功效和通用性。在这其中，设计阶段主要包括实验设计及相关建模，建造和测试阶段则是围绕着高通量平台展开，借助高通量平台来获取大批量实验数据以供后续阶段的分析和学习。学习阶段则是分析和总结前三个阶段所得到的实验数据和经验，并将其归纳为可在后续实验中所利用的知识；同时，学习阶段还会提出一些可被实验证实的猜想，并在下一个DBTL循环中验证。图DBTL循环（来源：SyntheticBIologyinAustralia:AnOutlookTo）在DBTL循环之中，高通量平台便是其整个循环的关键核心，此外，计算辅助设计、自动化过程、生物数据科学和机器学习也将有助于进一步加速DBTL循环。在年所成立的国际生物铸造联盟（GBA），便是旨在推进开发开源的软硬件、共享实验方案，以此将工程化生物系统通过便捷可靠的方式共享。数据科学与机器学习合成生物学的建造部分存在于上述的两个板块之中，而数据科学和机器学习则代表了剩下的三方面，即：设计，测试和学习的未来。基因信息与不同层面如代谢组学和蛋白组学等组学信息的结合为揭示生物系统的细节提供了强有力的工具。比如日本科学家通过挖掘缓步动物的基因组和转录组、代谢组信息识别出了该动物保护其免受UV射线危害的蛋白所对应的DNA序列；中国科学家应用比较基因组学和转录信息分析出了Selaginellatamariscina(卷柏属万年松)抗旱的基因学机制。更多可用的系统生物学信息在给我们带来下一个挑战的同时也为机器学习的发展创造了机会。机器学习算法提升了以往需要繁复人工去预测的复杂过程的效率，而机器学习与传统机械系统的结合也让我们更好的窥见了预测生物学这一学科的全部潜能和未来。下图之中便总结列举了目前为止在学术界和工业界中所应用到的一些合成生物学技术：图
合成生物学组成部分及在学术工业界中的应用
2
相关技术的应用领域
合成生物学发展的核心动力是不断进步的技术，而另一方面，合成生物学落地的应用也在影响着各个行业。在众多将合成生物学的应用中，主要有着三个部分：生物制造业，生物医药产业和食物农业及环境科学。下一代生物制造业合成生物学在制造业方面有着如下几点优势：更高的效率和经济价值，能够制造具有新兴材料以及可持续发展的闭环制造模式。现阶段，传统的制造业仍在采用从植物中提取原料，此种方式是昂贵且复杂的，相比之下，生物制造业使用的生物质原料则是可持续的，这种方式对于环境更加友好并可以降低对于传统化石燃料的依赖性。比如日本的Spiber和美国的BoltThreads开发出的基于蛛丝蛋白发酵通路制造的产物具有轻量化和理想的机械性能，该公司的BrewedProtein产品还可作为传统皮草的替代品存在，以解决伦理上的问题。图丨Spiber的各类产品（来源：Syntheticspidersilkbiotechfirmspiberjoinsbonsucro）在技术转型和技术商用这方面，目前主要的问题和挑战存在于：对于合成通路的优化和产业规模的建立。科学家相信将生物法合成和传统化工法相结合能解决现阶段未知分子的合成通路或是生物法中对于宿主细胞有毒分子合成等问题。此外，还有其它一些影响生物制造的因素，包括：产业基础设施，商用规模的生物精炼厂，原料供应链，以及精炼厂的地理位置等。生物医疗产业合成生物学对于医药行业发展的推进主要体现在扩大药物的生产能力，开发诸如细胞和基因疗法、疾病检测和预防等方面。自从年第一例人工合成胰岛素被大肠杆菌所制造后，重组DNA技术推动了更多生物制剂的发展，比如利用蛋白或RNA的药物制剂。除了上述的大分子药物之外，科学家还利用合成生物学方法合成了诸如青蒿素和大麻素等小分子药物，一改此类药物从植物中提取的惯例。图丨合成生物学帮助合成青蒿素前体（来源：Nature）未来，使用冻干的无细胞系统以便携按需的方式生产治疗分子（小分子，短肽，抗体结合物，疫苗等）可能会给药物的制造和分销带来革命性的变化。随着新兴的细胞及基因疗法的发展，人类所能治愈的疾病范围也逐渐扩大。与此同时，合成生物学也为疾病的诊断和预防助力，这包括了对于病毒的体外和体内检测。亚洲各国在开发合成生物学相关的新兴疗法中扮演着重要的角色。亚洲国家快速地城市化带来的生活方式的改变和老龄化问题使得如糖尿病，癌症，心血管基本在内的非传染病的发生率提高。结合疾病发生概率的增长和众多传染病的流行以及人口的大量增加，亚洲对这种疗法的需求可能比任何其他地理区域都高。因此，许多地区目前在推行医药行业内的创新来应对上升的医疗系统压力和满足当地为满足的需求。农业及环境科学中的应用除了医疗方面的创新和下一代生物制造业之外，合成生物学家也在尝试着解决环境方面的问题。在农业生产中，一个不变的问题便是：如何提升作物的产量或提升作物的营养价值。在此方面，有着三个基础的对策，即提升固碳效率，在非豆科植物中建立固氮机制，以及减少呼吸作用中的二氧化碳损失。目前，已有9个亚洲国家利用基因组编辑工具去编辑农作物，主要方向是抗病问题。在环境科学方面，合成生物学家旨在减少污染的排放或是提升废弃物的回收效率和程度。比如，科学家现在已经可以通过微生物发酵制得比如PLA（聚乳酸），PBS（聚丁烯琥珀酸）和PHA（聚羟基脂肪酸酯）等可生物降解塑料。另一方面，合成生物学家也在寻找更高效回收传统塑料和电子垃圾中的金属的方法。图丨PHA合成途径（来源：Cell）不过，上述研究还较难转化为可持续发展的商业模式。合成生物学必须取得重要的技术进步才有希望与低成本的化石燃料竞争，现存主要可供改进的点主要在生物原料的获取和预处理，相对应的下游加工副产物技术等。除了技术突破以外，相关政策的影响也是很重要的一部分。3
关键创新科技和系统（KITS）模型
上述产业在转型和商用上，面临的另一问题是：对行业的监管和扶持。在医药方面，由于从生物系统衍生而来的疗法相较于传统的分子药物更加复杂，这些疗法在安全方面有着更高的不确定性。因此现阶段对于产业的监管和评估，仍需要有经验的审查人员和监督框架。在环境和食物这类商业化道路上，由于传统行业的壁垒而难以推进，此时激励性政策便成为了早期探索商业化模型的有力推进。Su等人在研究了欧美和中国针对生物燃料的政策后，提出了如下几点建议：确定生物燃料使用比例的明确目标，提供财政激励政策（补助，税收激励等），为长期研发项目提供资金；同时，可以针对传统化石燃料征收碳税，从另一角度推进新能源的发展。此外，公私之间的合作关系在推进公司发展之中是尤为重要的一个因素，比如在初创公司建立的初期通过私人注资的风险显然过大，此时公家的投资对于公司的发展便显得尤为重要。来自阿卜杜拉国王科技大学的Gauvreau等人提出了一种名为“关键创兴科技和系统（KITS）”的模型，并将其作为推动研究和技术部署的生态系统。该模型主要由以下四部分组成：负责总体管理的KITS企业，与工业寻求合作的KITS商业机构，研发专利的KITS研究机构，以及挑选初创公司和项目进行投资的KITS投资方。整体模型的构成如下图所示：图丨KITS组成部分最后，虽然亚洲各国国情各不相同，但解决问题和挑战的方法大抵是相同的。因此通过建立地区间合作，进而取长补短面临挑战。4
生物安全及生物数据安全
最后，便是生物安全上的问题，这个问题包括着两个方面：生物安全及生物数据安全。合成生物学技术的两面性早已成为我们的共识，其被误用的风险和对于社会的正向价值是并存的。新冠疫情的爆发再一次提醒我们生物安全的重要性：当一个病原体出现时，他给公共卫生和经济带来的危害将是不分国界的。在未来，当生物系统的编辑变得更加简单和易用时，有意或者无意泄露病原体的概率也大大增加了，风险管控的措施需要利用包括监管和教育在内的多种方法。不同的生物容器是预防风险的第一道屏障，这包括物理上的隔离和系统工程化的设计（如营养缺陷体，自杀开关，异种生物防火墙等）。图丨生物安全（来源：lGi）公共政策和机构监管是预防潜在误用的有力措施，但为了预防过度监管，多方对于相关话题的沟通需要尽早进行。另外，提起研究者和大众对于生物安全的意识同样也是风险管控的一部分。与此同时，随着社会各界开始更多依赖生物学数据，需要预防生物黑客的出现，而标准化的数据处理流程也有助于降低生物数据泄露风险。另外，标准化的数据收集，数据库规划过程可以更好实现生物数据丰富的价值和完全释放上述技术的全部潜能。最重要的是需要建立数据基础结构以收集分散的生物数据，并对收集到的数据做标准化处理，以此更好的利用所收集的数据。报告链接：