【儀表網(wǎng) 研發(fā)快訊】近日，北京理工大學霍毅欣教授課題組在1區(qū)TOP期刊《ACS Sensors》(影響因子：8.1996)發(fā)表了題為“Application Evaluation and Performance-Directed Improvement of the Native and Engineered Biosensors”的綜述。文章綜述了轉(zhuǎn)錄因子生物傳感器的機制和構(gòu)建原則、在生物技術(shù)領域的應用、以及響應性能導向的改進策略。該工作以北京理工大學為第一通訊單位，碩士生李敏為第一作者，陳振婭研究員和霍毅欣教授為共同通訊作者。
 

　　蓬勃發(fā)展的生物技術(shù)經(jīng)濟依賴于生物工具和技術(shù)的不斷進步。DNA 合成在可支付性、成分標準化方面的提升以及計算機算法技術(shù)的進步，有力地推動了各種遺傳元件在生物傳感器開發(fā)中的應用?；谵D(zhuǎn)錄因子(transcription factor, TF)的生物傳感器(transcription factor-based biosensor, TFB)因其具備模塊化、多樣性、集成化和可定制性等特點，受到了廣泛的關注。TF本質(zhì)上是一種具有特殊結(jié)構(gòu)和功能的調(diào)節(jié)蛋白，會在響應特定生物信號時發(fā)生構(gòu)象變化。生物體借助 TF介導的調(diào)節(jié)作用來調(diào)控代謝通量，并維持整體代謝網(wǎng)絡的平衡。TF在識別輸入配體后，可以結(jié)合或游離于配對啟動子區(qū)域內(nèi)或附近的TF結(jié)合區(qū)(TFBR)。這種相互作用通過影響RNA聚合酶(RNAP)與啟動子的結(jié)合來調(diào)節(jié)下游基因的轉(zhuǎn)錄。基于其傳感特性，TF被廣泛用于開發(fā)基于細胞或無細胞的生物傳感系統(tǒng)，用于分子檢測或途徑調(diào)控。生物傳感過程通常包括三個階段：信號識別、信號處理和信號報告(圖1)。輸入信號通常是物理因素(如光、溫度、滲透應力)或生化分子(如代謝物、環(huán)境污染物、有毒化合物、生物標志物、氧、和pH)。這些細胞內(nèi)/細胞外生物信號通過基于TF的遺傳回路進行處理，然后轉(zhuǎn)導成其他信號進行定性或定量輸出或通路調(diào)控。
 

圖1 轉(zhuǎn)錄因子生物傳感器概述
 

　　盡管TFBs在各種應用中取得了進展，但利用野生型TF及其原始配對啟動子發(fā)展而來的原生TFB仍然面臨一些挑戰(zhàn)。天然TF是進化用于維持微生物的生存和代謝平衡，而不是實驗室場景。天然TFB特異性較差，難以區(qū)分結(jié)構(gòu)相似的信號分子，容易導致假陽性。這些生物傳感器狹窄的工作范圍阻礙了對真正優(yōu)質(zhì)細胞的篩選。低靈敏度限制了低濃度信號分子的準確檢測，使得環(huán)境或臨床環(huán)境中的痕量分析不切實際。此文討論了定制TFBs特定功能和性能參數(shù)(如特異性、動態(tài)范圍、靈敏度和操作范圍)的工程策略，甚至實現(xiàn)激活和抑制的功能反轉(zhuǎn)。此文深入討論了通過改變TFB的組成元件來系統(tǒng)地改善TFB的性能，包括TF、TFBR、啟動子、核糖體結(jié)合位點(RBS)和拷貝數(shù)(圖2)。此外，此文還討論了在多/跨學科合作的幫助下TFBs的進展，如現(xiàn)象模型、基于深度學習的蛋白質(zhì)結(jié)構(gòu)預測、DNA功能序列預測和蛋白質(zhì)從頭設計。
 

圖2 轉(zhuǎn)錄因子生物傳感器的性能評估與改造
 

　　此外，這項工作提出了TFBs在開發(fā)快速響應生物傳感器和解決應用隔離挑戰(zhàn)方面的未來方向；展望了人工智能(AI)技術(shù)和編程TFB遺傳電路的各種模型的潛力。此文為構(gòu)建和設計TFBs的提供了技術(shù)建議和基本指導，促進了TFBs在工業(yè)4.0中的更廣泛應用，包括智能生物制造，環(huán)境和食品污染物檢測以及醫(yī)學科學領域。
 

　　此項工作得到國家自然科學基金委、河北省自然科學基金委和唐山市科技計劃項目的資助，以及北京理工大學生物與醫(yī)學工程公共實驗中心的支持。
 

　　霍毅欣教授團隊在BmoR生物傳感元件的改造與應用已發(fā)表多篇高水平文章，例如Advanced Science, 2024, 11: 23；Chemical Engineering Journal, 2024, 491: 152076；Microbial Cell Factories, 2019, 18: 30；Metabolic Engineering, 2019, 56: 28-38；ACS Synthetic Biology, 2022, 11: 1251–1260。