助力新工藝下的生產(chǎn)效率提高

在化妝品行業(yè)中，利用合成生物學(xué)進(jìn)行研發(fā)和創(chuàng)新已經(jīng)成為了一種趨勢(shì)，將生物基原料和生物工藝引入到產(chǎn)品的研發(fā)和生產(chǎn)中，這不僅可以提高產(chǎn)品的質(zhì)量和效果，還可以減少對(duì)傳統(tǒng)化學(xué)原料的依賴(lài)，連續(xù)性溫和生產(chǎn)模式降低生產(chǎn)成本，提高企業(yè)的競(jìng)爭(zhēng)力。當(dāng)前，利用合成生物學(xué)技術(shù)生產(chǎn)高品質(zhì)膠原蛋白和高效透明質(zhì)酸等生物活性物質(zhì)已成為行業(yè)熱點(diǎn)。除此以外，高校、科研機(jī)構(gòu)已探索研究了眾多活性物質(zhì)在微生物、動(dòng)植物的代謝合成通路，揭示了生命系統(tǒng)的運(yùn)作機(jī)制，如角鯊?fù)?、蝦青素、麥角硫因、人參皂苷、三七素等等。業(yè)內(nèi)還有課題組搭建了多菌種共培養(yǎng)體系，開(kāi)發(fā)模塊化微生物生產(chǎn)技術(shù)，構(gòu)建了一系列可控的活性物質(zhì)高產(chǎn)生物合成系統(tǒng)，相比曾報(bào)道的最大產(chǎn)量，水飛薊賓提高了 1.6 萬(wàn)倍、水楊酸提高了 60 倍、4- 羥基香豆素提高了 11 倍等等，將生物基原料生產(chǎn)技術(shù)提升至新的高度。

助力企業(yè)綠色可持續(xù)發(fā)展

利用合成生物學(xué)領(lǐng)域的理論研究成果，在不破壞原有環(huán)境和瀕危特色動(dòng)植物自然資源的前提下，利用底盤(pán)細(xì)胞進(jìn)行活性物質(zhì)生產(chǎn)，可以更加高效地利用資源，溫和的反應(yīng)條件、低能耗生產(chǎn)線(xiàn)、可再生的生物基材料和生物活性物質(zhì)能夠減少對(duì)環(huán)境的污染，助力企業(yè)碳達(dá)峰、碳中和，并開(kāi)發(fā)出更加安全、有效的產(chǎn)品，滿(mǎn)足消費(fèi)者的需求。根據(jù) WHO 及中科院天津工業(yè)生物技術(shù)研究所統(tǒng)計(jì)，目前生物制造產(chǎn)品平均節(jié)能減排 30％ 至 50％，未來(lái)潛力將達(dá)到 50％ 至 70％。預(yù)計(jì)到2030 年，生物制造每年可減少二氧化碳排放 10 億至 25 億噸，這賦予了合成生物學(xué)更多的使命和開(kāi)發(fā)意義。

助力化妝品新原料開(kāi)發(fā)，減小國(guó)內(nèi)外產(chǎn)品品質(zhì)差距

國(guó)內(nèi)化妝品行業(yè)長(zhǎng)期流傳著“ 國(guó)內(nèi)沒(méi)有好原料 "的說(shuō)法，我國(guó)傳統(tǒng)的化妝品原料生產(chǎn)技術(shù)起步較晚，傳統(tǒng)植物種植提取技術(shù)還會(huì)因氣候環(huán)境等不可控因素影響，無(wú)法保障原料品質(zhì)和產(chǎn)量。而如今，原料生產(chǎn)進(jìn)入了第 5 代發(fā)酵技術(shù)時(shí)代，生物技術(shù)結(jié)合新型信息技術(shù)，能夠有效規(guī)避品質(zhì)不穩(wěn)定的風(fēng)險(xiǎn)。在細(xì)胞工廠(chǎng)構(gòu)建時(shí)，研發(fā)人員對(duì)于目的物質(zhì)的基因及其代謝通路的研究是全面的，根據(jù)需求對(duì)關(guān)鍵代謝節(jié)點(diǎn)相關(guān)蛋白和酶進(jìn)行改造修飾，掃除合成路徑上的障礙，減小旁路抑制作用，從而影響目標(biāo)產(chǎn)物合成效率、相關(guān)蛋白折疊效率，甚至是改造產(chǎn)物部分基團(tuán)，通過(guò)高通量篩選具有極致功效性能的細(xì)胞以及更加安全、高效的原料。中國(guó)擁有豐富的動(dòng)植物自然資源，合成生物學(xué)的發(fā)展有望彌補(bǔ)傳統(tǒng)提取技術(shù)在高效量產(chǎn)珍稀資源方面的不足，為開(kāi)發(fā)珍稀資源新原料在化妝品中的應(yīng)用提供了可能性。

人員重復(fù)操作的不穩(wěn)定性對(duì)結(jié)果分析的挑戰(zhàn)

由于生物系統(tǒng)的復(fù)雜性和不確定性，因?yàn)槲⑿〉牟町?，如環(huán)境條件的變化、實(shí)驗(yàn)材料等，即便過(guò)程中所有操作是規(guī)范的，在重復(fù)相同試驗(yàn)時(shí)，也可能會(huì)得到不同的結(jié)果。其次，由于人員的操作習(xí)慣、技能水平，甚至心情等多變因素的影響，即使同樣的實(shí)驗(yàn)步驟、同一人員操作也可能會(huì)有不同的結(jié)果。這種不穩(wěn)定性可能導(dǎo)致實(shí)驗(yàn)結(jié)果的差異，從而影響數(shù)據(jù)的可比性和可重復(fù)性。此外，在合成生物學(xué)中，常常需要進(jìn)行復(fù)雜的操作，如基因克隆、細(xì)胞培養(yǎng)等，菌種的定向進(jìn)化等試驗(yàn)更是需要長(zhǎng)時(shí)間、大批量的重復(fù)操作，試驗(yàn)結(jié)果對(duì)工作人員的精準(zhǔn)操作要求極高，持續(xù)操作中累積的疲憊感會(huì)大大增加操作員失誤的可能性，影響實(shí)驗(yàn)的效率和結(jié)果的可重復(fù)性。

發(fā)酵優(yōu)化放大技術(shù)與裝備的挑戰(zhàn)

利用合成生物學(xué)進(jìn)行發(fā)酵生產(chǎn)，其發(fā)酵過(guò)程高度復(fù)雜。發(fā)酵過(guò)程涉及到底盤(pán)細(xì)胞的生長(zhǎng)、代謝和繁殖等過(guò)程，這些過(guò)程受到多種因素的影響，如接種細(xì)胞濃度、底物濃度、溫度、pH 值、氧氣濃度等，需要考慮到生產(chǎn)條件對(duì)細(xì)胞的協(xié)同增效和抑制作用，對(duì)整個(gè)體系的多維精確控制和優(yōu)化是一項(xiàng)龐大的工程，處處充滿(mǎn)了挑戰(zhàn)。研究人員通常使用小型發(fā)酵罐進(jìn)行試驗(yàn)，但在生產(chǎn)中需要使用大型發(fā)酵罐進(jìn)行放大。現(xiàn)有的傳感器通常只能監(jiān)測(cè)有限的參數(shù)，而控制系統(tǒng)通常只能進(jìn)行簡(jiǎn)單的反饋控制，無(wú)法對(duì)復(fù)雜的發(fā)酵過(guò)程、龐大的發(fā)酵體系進(jìn)行精確控制。由于不同設(shè)備之間的差異和靈敏性，缺乏適用于不同設(shè)備的通用技術(shù)、先進(jìn)的監(jiān)測(cè)和控制系統(tǒng)，因此需要進(jìn)行大量的試驗(yàn)來(lái)找到合適的放大策略。

前期成本投入巨大對(duì)企業(yè)成長(zhǎng)的挑戰(zhàn)

合成生物學(xué)需要大量的研發(fā)資金投入，以支持從實(shí)驗(yàn)室到商業(yè)化的過(guò)渡。在生產(chǎn)中能夠?qū)崒?shí)在在地促進(jìn)效率和質(zhì)量的提升，新理論的落地支撐著合成生物學(xué)茁壯發(fā)展，所以在技術(shù)創(chuàng)新、材料優(yōu)化、設(shè)備更新以及產(chǎn)品開(kāi)發(fā)等方面，都需要持續(xù)不斷的資金投入。對(duì)于初創(chuàng)企業(yè)來(lái)說(shuō)，資金壓力巨大，往往需要依賴(lài)外部融資，這對(duì)于企業(yè)的生存和發(fā)展都是一個(gè)巨大的挑戰(zhàn)。由于合成生物學(xué)生產(chǎn)的產(chǎn)品的質(zhì)量和產(chǎn)量受到多種因素的影響，如微生物的種類(lèi)、生長(zhǎng)條件、代謝途徑等，因此需要經(jīng)過(guò)反復(fù)的試驗(yàn)和條件優(yōu)化才能實(shí)現(xiàn)量產(chǎn)，這個(gè)過(guò)程需要耗費(fèi)大量的時(shí)間和資源，對(duì)于企業(yè)的研發(fā)效率和生產(chǎn)進(jìn)度都帶來(lái)了很大的挑戰(zhàn)，對(duì)企業(yè)的運(yùn)營(yíng)成本和人力資源都提出了很高的要求。

新一代基因編輯技術(shù)

新一代基因編輯技術(shù)如 CRISPR-Cas9 系統(tǒng)，為合成生物學(xué)領(lǐng)域帶來(lái)了巨大的創(chuàng)新機(jī)遇。這種技術(shù)能夠精確、高效地在基因組中插入、刪除或修改 DNA 序列，從而為解決許多重要的生物學(xué)問(wèn)題提供了新的思路。通過(guò)使用 CRISPR-Cas9 系統(tǒng)，科學(xué)家們可以精確定位并修改特定的 DNA 序列，從而實(shí)現(xiàn)對(duì)生物大分子的精確調(diào)控。此外，新一代基因編輯技術(shù)還可以與人工智能和大數(shù)據(jù)等先進(jìn)技術(shù)相結(jié)合，以實(shí)現(xiàn)更高效和精準(zhǔn)的基因編輯。例如，通過(guò)將人工智能算法與基因編輯技術(shù)相結(jié)合，科學(xué)家們可以預(yù)測(cè)特定基因編輯的效果，從而更好地控制生物大分子的修改過(guò)程。

生物信息技術(shù)

合成生物學(xué)的一個(gè)重要目標(biāo)是理解和操控生命過(guò)程，這需要大量的基因組、轉(zhuǎn)錄組、蛋白質(zhì)組甚至是微生物組數(shù)據(jù)作為基礎(chǔ)。生物信息技術(shù)在組學(xué)方面為合成生物學(xué)提供了重要支持，如基因芯片、蛋白質(zhì)芯片、液相 - 質(zhì)譜分析等等，通過(guò)對(duì)基因、蛋白等功能進(jìn)行注釋?zhuān)眯畔⒓夹g(shù)對(duì)功能進(jìn)行分類(lèi)匯總，利用統(tǒng)計(jì)學(xué)的方式，幫助科學(xué)家們更好地理解生物體的基因結(jié)構(gòu)和功能，從而為合成生物學(xué)提供重要的參考信息。除此以外，科學(xué)家們可以了解蛋白質(zhì)的結(jié)構(gòu)、功能和相互作用，這對(duì)于合成生物學(xué)中的設(shè)計(jì)和改造生物體系至關(guān)重要。通過(guò)人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等前沿技術(shù)，預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)和功能，有助于科學(xué)家研究物質(zhì)的從頭合成途徑，如 AlphaFold、Chroma 等。此外，建立發(fā)酵過(guò)程孿生模型或云發(fā)酵罐，能夠減少實(shí)際繁重的操作工作，有助于科研人員能夠更加專(zhuān)注于研發(fā)，企業(yè)也能運(yùn)用這些技術(shù)，實(shí)現(xiàn)全過(guò)程監(jiān)控和智能決策輔助，提高研發(fā)和生產(chǎn)效率。

機(jī)器人及自動(dòng)化技術(shù)

在合成生物學(xué)研究中，科學(xué)家們需要進(jìn)行大量的試驗(yàn)來(lái)篩選和優(yōu)化生物樣品。機(jī)器人技術(shù)可以自動(dòng)化地進(jìn)行實(shí)驗(yàn)操作，包括樣品的稱(chēng)重、混合、分離和純化等步驟，自動(dòng)化地進(jìn)行細(xì)胞接種、培養(yǎng)、觀(guān)察和收獲，提高了細(xì)胞生長(zhǎng)和代謝效率，大大提高了實(shí)驗(yàn)效率。此外，機(jī)器人技術(shù)還可以通過(guò)精確控制實(shí)驗(yàn)條件，減少人為誤差和操作失誤，提高實(shí)驗(yàn)的可重復(fù)性和準(zhǔn)確性，結(jié)合 AI 分析，機(jī)器可以自主決策，在無(wú)人監(jiān)管的情況下，持續(xù)、準(zhǔn)確、高效地培養(yǎng)細(xì)胞或者組織，節(jié)約人力和時(shí)間成本。

Molecular Devices 美谷分子智能化、自動(dòng)化解決方案

Molecular Devices 美谷分子是一家在生命科學(xué)領(lǐng)域中專(zhuān)注于提供儀器和解決方案的專(zhuān)業(yè)公司。在智能化和自動(dòng)化方面為行業(yè)內(nèi)研究人員提供了多種創(chuàng)新解決方案，包括自動(dòng)化樣品處理系統(tǒng)、智能化數(shù)據(jù)分析系統(tǒng)、智能化實(shí)驗(yàn)室管理系統(tǒng)以及自動(dòng)化藥物篩選系統(tǒng)等，幾乎涵蓋了合成生物學(xué)研發(fā)階段所有可能涉及的方面。憑借在醫(yī)藥行業(yè)多年的深厚積累，美谷分子的業(yè)務(wù)已經(jīng)覆蓋了從基礎(chǔ)研究到藥物開(kāi)發(fā)的全過(guò)程。為了解決研究人員在合成生物學(xué)研發(fā)過(guò)程中的痛點(diǎn)問(wèn)題，美谷分子開(kāi)發(fā)了一系列專(zhuān)業(yè)、精準(zhǔn)且高效的設(shè)備，深受研究人員的喜愛(ài)。

其中， QPix 微生物克隆篩選系統(tǒng)廣泛應(yīng)用于合成生物學(xué)領(lǐng)域，其結(jié)合了智能成像分析篩選和精準(zhǔn)自動(dòng)化挑取，可以對(duì)更大的菌株庫(kù)或基因文庫(kù)進(jìn)行快速而高效的篩選，是一種優(yōu)秀的高通量、自動(dòng)化克隆篩選系統(tǒng)，同時(shí)具備挑選克隆和數(shù)據(jù)管理的能力，有效緩解流程瓶頸。而 QPix HT 系統(tǒng)在應(yīng)用和實(shí)驗(yàn)設(shè)計(jì)方面能夠提供更大程度的靈活性，與機(jī)械臂集成，實(shí)現(xiàn)了更大通量和無(wú)人看守時(shí)間。該系統(tǒng)每小時(shí)能夠篩選和挑取 3000 個(gè)微生物克隆，配合超聲波傳感器、靈活的臺(tái)面設(shè)置、可更換的微生物特異性挑針、條形碼閱讀器、針清洗和鹵素?zé)釡缇饶K化部件和易于使用的分析軟件，實(shí)驗(yàn)過(guò)程中能夠靈活柔和且準(zhǔn)確地挑取多種單克隆，清晰簡(jiǎn)潔地記錄實(shí)驗(yàn)數(shù)據(jù)，做到數(shù)據(jù)全程可溯的同時(shí)，避免交叉污染。此外，用戶(hù)還能與美谷分子團(tuán)隊(duì)定制 QPix 系統(tǒng)，以滿(mǎn)足自動(dòng)化微生物克隆篩選和涂布的工作流程需求，真正做到“QPix 系統(tǒng)不僅僅是克隆挑選，還可進(jìn)行板復(fù)制、重排、加樣涂布 "高效服務(wù)于研究人員的初衷。Molecular Devices 美谷分子提供的智能化和自動(dòng)化解決方案廣泛覆蓋了生命科學(xué)研究的各個(gè)方面，這些解決方案不僅顯著提高了研究的效率和準(zhǔn)確性，同時(shí)也降低了實(shí)驗(yàn)成本和風(fēng)險(xiǎn)，為研究人員提供了強(qiáng)有力的支持。

[1] 杭州市人民政府辦公廳關(guān)于印發(fā)支持合成生物產(chǎn)業(yè)高質(zhì)量發(fā)展若干措施的通知 [J]. 杭州市人民政府公報(bào) , 2023,

(09): 25-26+39.

[2] 高花花 , 胡娟 and 劉玲麗 . 基因簇大片段克隆技術(shù)研究進(jìn)展及挑戰(zhàn) [J]. 微生物學(xué)通報(bào) , 2023, 50(01): 351-367.

[3] 郭學(xué)平 . 合成生物學(xué)——化妝品原料的創(chuàng)新驅(qū)動(dòng)力 [J]. 中國(guó)化妝品 , 2021, (12): 18-24.

[4] 姜杉杉 . 生物合成實(shí)驗(yàn)自動(dòng)化系統(tǒng)中機(jī)器人的運(yùn)動(dòng)控制研究 [D]. 2019.

[5] 蔣輝 , 萬(wàn)秀坤 , 王亮亮 , et al. 人工智能推動(dòng)的分子設(shè)計(jì)與化生合成 [J]. 防化研究 , 2022, 1(01): 36-44.

[6] 賴(lài)奇龍 , 姚帥 , 查毓國(guó) , et al. 微生物組生物合成基因簇發(fā)掘方法及應(yīng)用前景 [J]. 合成生物學(xué) , 2023, 4(03): 611-627.

[7] 梁淑芳 . 基于合成生物學(xué)策略創(chuàng)制微生物天然產(chǎn)物 [J]. 四川師范大學(xué)學(xué)報(bào) ( 自然科學(xué)版 ), 2022, 45(05): 585-

594+566.

[8] 林繼聰 , 鄒根 , 劉宏民 , et al. CRISPR/Cas 基因組編輯技術(shù)在絲狀真菌次級(jí)代謝產(chǎn)物合成中的應(yīng)用 [J]. 合成生物學(xué) ,

2023, 4(04): 738-755.

[9] 劉蛟 . 高效“ 環(huán)保型 "大腸桿菌異丁醇合成菌株研究 [D]. 2017.

[10] 劉可意 , 汪俊卿 , 傅凱 , et al. 智能生物反應(yīng)器裝備制造進(jìn)展 [J]. 食品與發(fā)酵工業(yè) : 1-9.

[11] 劉琦 , 毛雨豐 , 廖小平 , et al. 麥角硫因生物合成研究的新進(jìn)展 [J]. 生物工程學(xué)報(bào) , 2022, 38(04): 1408-1420.

[12] 龍雨青 , 曾娟 , 王玲 , et al. CRISPR/Cas9 基因組編輯技術(shù)在藥用植物中的研究進(jìn)展 [J]. 中草藥 , 2023, 54(09):

2940-2952.

[13] 馬彥云 , 趙心清 , 劉瑋 , et al. 發(fā)酵技術(shù)在護(hù)膚品行業(yè)中的應(yīng)用與展望——2023 版 · 第 5 代發(fā)酵技術(shù) [J]. 日用化學(xué)

品科學(xué) , 2023, 46(10): 71-82.

[14] 苗麗青 , 馬旭輝 , 李素貞 , et al. 蝦青素的生物合成與產(chǎn)業(yè)化應(yīng)用 [J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào) , 2023, 25(03): 21-29.

[15] 史俊卿 , 金哲順 , 潘蓉 , et al. 基于轉(zhuǎn)錄和代謝分析探討人參皂苷的生物合成與意義 [J]. 分子植物育種 : 1-17.

[16] 唐士茗 , 胡紀(jì)元 , 鄭穗平 , et al. 基于無(wú)細(xì)胞體系的生物合成代謝模塊設(shè)計(jì)、構(gòu)建與快速途徑原型 [J]. 合成生物學(xué) ,

2022, 3(06): 1250-1261.

[17] 王浩綺 , 高豪 and 信豐學(xué) . “ 十四五 "背景下合成生物學(xué)產(chǎn)業(yè)發(fā)展趨勢(shì)分析 [J]. 生物學(xué)雜志 , 2023, 40(03): 1-5.

[18] 夏建業(yè) , 劉晶 and 莊英萍 . 人工智能時(shí)代發(fā)酵優(yōu)化與放大技術(shù)的機(jī)遇與挑戰(zhàn) [J]. 生物工程學(xué)報(bào) , 2022, 38(11):

4180-4199.

[19] 楊朔 , 王潔 , 張夢(mèng)婷 , et al. 基于人工智能的藥物 - 靶標(biāo)相互作用預(yù)測(cè) [J]. 中國(guó)現(xiàn)代應(yīng)用藥學(xué) , 2022, 39(21): 2797-

2803.

[20] 楊洋 , 王鳳林 , 劉德 , et al. CRISPR-Cas9 技術(shù)在植物次生代謝物生產(chǎn)中的研究進(jìn)展 [J]. 生物技術(shù)進(jìn)展 , 2022,

12(06): 806-816.

[21] Abaajeh Asomiba Rita, Kingston Caroline Elliott and Harty Mary. Environmental factors influencing the

growth and pathogenicity of microgreens bound for the market: a review [J]. Renewable Agriculture and Food

Systems, 2023, 38:

[22] Chen Zhenya, Sun Xinxiao, Li Ye, et al. Metabolic engineering of Escherichia coli for microbial

synthesis of monolignols [J]. Metabolic Engineering, 2017, 39: 102-109.

[23] Li Wenna, Ma Lin, Shen Xiaolin, et al. Targeting metabolic driving and intermediate influx in lysine

catabolism for high-level glutarate production [J]. Nature Communications, 2019, 10:

[24] Li Xianglai, Zhou Zhao, Li Wenna, et al. Design of stable and self-regulated microbial consortia for chemical

synthesis [J]. Nature Communications, 2022, 13(1):

[25] Lin Yuheng, Shen Xiaolin, Yuan Qipeng, et al. Microbial biosynthesis of the anticoagulant precursor

4-hydroxycoumarin [J]. Nature Communications, 2013, 4:

[26] Lisha K. P. and Sarkar Debasis. Dynamic flux balance analysis of batch fermentation: effect of genetic

manipulations on ethanol production [J]. Bioprocess and Biosystems Engineering, 2014, 37(4): 617-627.

[27] Parambil Lisha K. and Sarkar Debasis. In silico analysis of bioethanol overproduction by genetically

modified microorganisms in coculture fermentation [J]. Biotechnology research international, 2015, 2015:

238082-238082.

[28] Varadi Mihaly, Anyango Stephen, Deshpande Mandar, et al. AlphaFold Protein Structure Database:

massively expanding the structural coverage of protein-sequence space with high-accuracy models [J]. Nucleic

Acids Research, 2022, 50(D1): D439-D444

[29] Wang Xinxiu, Xu Wei, Dai Quanyu, et al. Characterization of a thermostable PL-31 family alginate lyase from

Paenibacillus ehimensis and its application for alginate oligosaccharides bioproduction [J]. Enzyme and

Microbial Technology, 2023, 166: