合成基因線路規(guī)模化設(shè)計面臨的挑戰(zhàn)

魏磊，袁野，汪小我

?

合成基因線路規(guī)?；O(shè)計面臨的挑戰(zhàn)

魏磊1,2，袁野1,2，汪小我1,2

1 清華大學合成與系統(tǒng)生物學研究中心生物信息學教育部重點實驗室自動化系，北京 100084 2 清華信息科學與技術(shù)國家實驗室 (籌) 生物信息學研究部，北京 100084

魏磊, 袁野, 汪小我. 合成基因線路規(guī)?；O(shè)計面臨的挑戰(zhàn). 生物工程學報, 2017, 33(3): 372–385.Wei L, Yuan Y, Wang XW.Challenges in large-scale synthetic gene circuits design. Chin J Biotech, 2017, 33(3): 372–385.

隨著合成基因線路規(guī)模的增加，傳統(tǒng)的合成基因線路設(shè)計思路的瓶頸逐漸凸顯，許多之前被忽略的因素對大規(guī)?；蚓€路的性能可能造成顯著影響，這對合成基因線路的設(shè)計帶來了新的挑戰(zhàn)。本文重點梳理了基因表達噪聲和競爭效應(yīng)兩方面對基因線路性能的影響，闡釋了二者間的緊密聯(lián)系，并基于理性設(shè)計的思路，從模擬-數(shù)字運算設(shè)計、網(wǎng)絡(luò)拓撲設(shè)計、基因線路中的信息傳遞理論和動態(tài)信號等方面，歸納總結(jié)了解決這些問題的潛在方案，并展望了規(guī)?；铣苫蚓€路理性設(shè)計的未來發(fā)展方向。

合成基因線路，基因表達噪聲，競爭效應(yīng)，理性設(shè)計

1 背景與回顧

合成基因線路 (Synthetic gene circuit) 是指利用合成生物學的相關(guān)技術(shù)和方法，用DNA等生物分子構(gòu)建出的在生命體內(nèi)發(fā)揮特定功能的人工生物系統(tǒng)。合成基因線路研究具有重大的生物學意義和實用價值。例如，利用合成基因線路對生命體的代謝系統(tǒng)進行重構(gòu)，可以使宿主細胞合成特定的化學物質(zhì)，提高代謝工程的應(yīng)用范圍和產(chǎn)率[1-2]；可以使細胞感知特定的生化信號[2]，應(yīng)用于環(huán)境監(jiān)測、疾病診斷等領(lǐng)域[3]；可以幫助發(fā)現(xiàn)和合成藥物，在基因治療、組織工程等醫(yī)學應(yīng)用上也有著非常廣闊的前景[4-6]；還可以作為研究復(fù)雜基因調(diào)控網(wǎng)絡(luò)的重要工具，通過“以建而學”的方式幫助人們研究生命體內(nèi)復(fù)雜的調(diào)控機制[5]。

理性設(shè)計對合成基因線路的發(fā)展具有十分重要的意義。合成基因線路構(gòu)建的實驗周期長，試錯成本大，單純依靠經(jīng)驗進行設(shè)計構(gòu)建難以迅速得到滿意的結(jié)果；此外，目前人們對基因元件的特性了解依然比較有限，多個元件組合在一起的效果常常難以預(yù)測，這制約著合成基因線路實現(xiàn)復(fù)雜的功能。理性設(shè)計可以通過理論計算、計算機仿真等手段，對合成基因線路的功能進行預(yù)測和優(yōu)化，減少試錯的過程，提高構(gòu)建效率。

早期的合成基因線路設(shè)計主要借鑒了電子電路設(shè)計中的相關(guān)理念。研究者首先構(gòu)建出基礎(chǔ)的功能元件，如雙穩(wěn)態(tài)開關(guān)[7]、振蕩器等[8]，然后嘗試對這些元件進行組裝，實現(xiàn)更為復(fù)雜的功能。近年來，合成基因線路的設(shè)計和構(gòu)建取得了一些可喜進展，人們構(gòu)建出了信息存儲器[9-11]、穩(wěn)定可調(diào)的振蕩器[12-13]、空間圖樣生成[14-15]和模擬量計算器[16]等一批功能模塊。與此同時，研究者試圖在合成基因線路的設(shè)計中引入設(shè)計標準化和設(shè)計自動化的概念，開發(fā)了合成生物學開放語言SBOL (Synthetic biology open language)[17]，為描述合成基因線路提供了標準方法。基于此類描述語言，研究者開發(fā)了一些可以自動化設(shè)計合成基因線路的工具。例如MIT的Voigt課題組開發(fā)的基因線路自動化設(shè)計平臺Cello，可以根據(jù)用戶輸入的描述語言自動地對一系列事前經(jīng)過詳細測定的相互絕緣的基礎(chǔ)邏輯器件進行排列組合，并基于計算機仿真優(yōu)化設(shè)計結(jié)果，最終將其編譯為相應(yīng)的DNA序列[18]。研究者基于這一平臺，在大腸桿菌中對60個2輸入或3輸入邏輯門進行設(shè)計構(gòu)建，實驗驗證的結(jié)果表明，75%的邏輯門的實際輸出與設(shè)計預(yù)期基本相符。

在合成基因線路設(shè)計和構(gòu)建過程中，研究者發(fā)現(xiàn)很多因素都會影響基因線路的功能，例如信號分子的絕緣性能、基因線路元器件的非線性特性、生命體內(nèi)調(diào)控機制的復(fù)雜性、宿主和環(huán)境的異質(zhì)性等。研究者針對這些因素，不斷改進合成基因線路的設(shè)計原則，近期亦有相關(guān)綜述論文對這些問題進行了總結(jié)[19-22]。

隨著基因線路規(guī)模的擴大和應(yīng)用范圍的拓展，傳統(tǒng)的合成基因線路設(shè)計思路面臨著新的挑戰(zhàn)。近年來，盡管DNA合成與組裝技術(shù)取得了巨大進步，合成基因線路規(guī)模的增長依然十分緩慢。目前在單個細胞內(nèi)實現(xiàn)的最大規(guī)模合成基因線路，其中的邏輯門不超過10個，啟動子的數(shù)量也只能達到10個左右[18-19]。其中，基因表達噪聲和競爭效應(yīng)是制約基因線路規(guī)?；闹匾蛩?。隨著基因線路規(guī)模的擴大，一方面基因表達噪聲在合成基因線路中傳播、積累、甚至放大，其直接影響著合成基因線路的準確性和穩(wěn)定性；另一方面人工基因線路與生命體內(nèi)的其他生命過程共同使用宿主細胞內(nèi)有限的物質(zhì)、能量資源，這種對有限資源的競爭效應(yīng)不僅制約著合成基因線路自身的性能，對宿主細胞的生存狀況也有不可忽視的影響。因此，本文從基因線路規(guī)?；O(shè)計的角度出發(fā)，重點關(guān)注基因表達噪聲和競爭效應(yīng)對合成基因線路造成的干擾，并從理性設(shè)計的角度，對解決這些問題的思路進行展望。

2 基因表達噪聲對合成基因線路的影響

系統(tǒng)在一定的外界擾動和內(nèi)部波動下仍能正常維持性能的能力被稱為魯棒性。系統(tǒng)魯棒性是工程設(shè)計中的一個重要指標。理想的合成基因線路設(shè)計應(yīng)當能夠使其具有較好的魯棒性[23]。然而在實踐中，合成基因線路的性能與設(shè)計預(yù)期之間經(jīng)常顯示出較大差異，甚至完全不能執(zhí)行預(yù)期的功能。其中，基因表達的隨機噪聲是導(dǎo)致這種現(xiàn)象的一個重要原因。了解基因表達噪聲的來源和性質(zhì)，有助于我們更好地理解合成基因線路在生命系統(tǒng)中的實際工作情況和性能異常的原因；同時，在設(shè)計合成基因線路時規(guī)避噪聲對基因線路性能的影響，可以提高基因線路的魯棒性，使基因線路在更多場景下更好地發(fā)揮功能。

2.1 基因表達過程中的隨機噪聲

基因表達的過程不可避免地伴隨著隨機效應(yīng)與噪聲[24-25]。著名物理學家薛定諤在《What is life?》[26]一書中提出律，即在泊松分布的假設(shè)下，化學反應(yīng)中分子數(shù)的標準差與該分子數(shù)量的數(shù)學期望的平方根成反比。在生命體中，很多參與調(diào)控和催化反應(yīng)的生物大分子的分子數(shù)往往較小，在這種情況下，基因表達的噪聲水平顯得尤為明顯 (圖1)。

基因表達噪聲對生命體的影響具有兩面性。一方面基因表達噪聲會影響下游基因的功能，增加表型的異質(zhì)性；但同時，基因表達的隨機性在細胞分化、機體發(fā)育等過程中發(fā)揮著重要作用，適當強度的基因表達噪聲可以增強生命體的適應(yīng)能力[27-29]。

圖1 分子數(shù)對生化反應(yīng)隨機性的影響

隨著流式細胞術(shù)、微流控技術(shù)和單細胞測序技術(shù)的發(fā)展，人們開始逐漸了解基因表達噪聲的性質(zhì)和產(chǎn)生原因。基因表達噪聲按照其產(chǎn)生機理，可以劃分為內(nèi)源噪聲和外源噪聲[30]。生化反應(yīng)中內(nèi)蘊的隨機性會在基因的轉(zhuǎn)錄、翻譯過程中產(chǎn)生噪聲，這部分噪聲被稱為內(nèi)源噪聲。例如，啟動子在開啟和關(guān)閉狀態(tài)之間的隨機轉(zhuǎn)換會使轉(zhuǎn)錄過程間歇進行，這會使不同細胞之間的轉(zhuǎn)錄本產(chǎn)生較大差異[31-33]。與之相對的，參與化學反應(yīng)的其他物質(zhì)、能量的異質(zhì)性引起的細胞間的異質(zhì)性被稱為外源噪聲[34]。例如，細胞體積[35]、線粒體數(shù)量[36]和細胞密度[37]等均會在基因表達的過程中引入噪聲。

2.2 噪聲對合成基因線路中的影響

基因表達噪聲會影響合成基因線路的魯棒性和準確性[38](圖2)?；虮磉_噪聲會影響邏輯門對信號的處理能力，使基因線路對外界刺激作出錯誤響應(yīng)；基因表達噪聲還會在基因網(wǎng)絡(luò)中傳播，干擾基因正常發(fā)揮功能[39]，這種干擾在信號多級傳遞時尤為顯著[40]。例如，噪聲對振蕩器的魯棒性有決定性影響。振蕩器是最早被設(shè)計構(gòu)建的動態(tài)合成基因線路之一。當利用簡單的三節(jié)點環(huán)形結(jié)構(gòu)設(shè)計振蕩器時，只有40%的細胞顯示出了振蕩的效果，且其振蕩并不規(guī)律[8]。近年來人們對振蕩器的結(jié)構(gòu)進行了諸多改進[41-44]，然而，盡管數(shù)學模型的結(jié)果預(yù)測這些基因線路可以在較大的參數(shù)范圍內(nèi)穩(wěn)定工作，它們在振幅和周期上仍顯示出不規(guī)律性。噪聲無處不在，又難以被完全消除，如何在合成基因線路中控制噪聲水平，降低其對合成基因線路性能的影響，是合成基因線路設(shè)計中必須考慮的問題。

圖2 噪聲對基因調(diào)控準確性的影響

3 競爭效應(yīng)對合成基因線路的影響

在設(shè)計合成基因線路時，研究者往往只對與基因線路直接相關(guān)的組分進行建模和分析。然而，很多看似與基因線路無關(guān)的組分也會對基因線路的功能產(chǎn)生影響 (圖3)。由于細胞內(nèi)的能量、資源是有限的，基因線路的元件會與細胞內(nèi)的其他生物過程產(chǎn)生競爭，對有限的資源進行重新分配，這不僅會影響宿主細胞的狀態(tài)，也會影響合成基因線路本身的功能。此外，合成基因線路的元件也有可能在內(nèi)部產(chǎn)生競爭效應(yīng)，這些競爭效應(yīng)使看似“絕緣”的模塊間產(chǎn)生相互作用，對基因線路本身的影響是不可忽略的。隨著基因線路的規(guī)模不斷增大，競爭效應(yīng)的影響越來越難以被忽視 (圖4)。因此，在設(shè)計合成基因線路時，必須將競爭效應(yīng)作為約束條件，納入整體考慮。

3.1 競爭效應(yīng)在生命體中廣泛存在

競爭效應(yīng)廣泛存在于生命體中。例如ceRNA (Competing endogenous RNA，競爭性內(nèi)源RNA) 效應(yīng)[45]就是一種重要的競爭性現(xiàn)象。受到同一microRNA調(diào)控的不同靶RNA之間會對microRNA產(chǎn)生競爭，進而引發(fā)靶RNA之間的間接調(diào)控效應(yīng)，這一效應(yīng)被稱為ceRNA效應(yīng)。我們通過數(shù)學建模和合成生物學實驗研究表明，ceRNA競爭效應(yīng)的強弱與microRNA和ceRNA的豐度和結(jié)合能力有著密切的聯(lián)系，并且競爭效應(yīng)會在microRNA調(diào)控中引入超敏感性[46]。最近有研究發(fā)現(xiàn)，當較多的DNA靶點競爭同一轉(zhuǎn)錄因子時，轉(zhuǎn)錄因子對基因的調(diào)控也會產(chǎn)生明顯的競爭效應(yīng)[47]。合成基因線路來自宿主細胞外，拷貝數(shù)和表達量一般較高，其中的競爭效應(yīng)也尤為顯著。此外，面對有限的資源，細胞內(nèi)形成了復(fù)雜的資源分配機制，不同生化過程在各個層面互相競爭，影響細胞在不同外界條件下的基因表達和增殖速率[12,48-50]。競爭效應(yīng)在多個層次影響著生命活動，其作用不容忽視。

圖3 分子競爭效應(yīng)原理示意

圖4 合成基因線路與細胞內(nèi)各組分間的競爭效應(yīng)

3.2 競爭效應(yīng)對基因線路性能的影響

目前的絕大部分合成基因線路設(shè)計中，基因的表達量和拷貝數(shù)會在一定范圍內(nèi)盡可能地高，往往忽略細胞本身資源的限制。然而，在細胞中的能量、核糖體、蛋白質(zhì)等資源有限的情況下，合成基因線路的功能會受到影響，拷貝數(shù)和表達量過高反而會使基因線路出現(xiàn)異常。有研究建立了描述基因表達與細胞資源間關(guān)系的定量模型，并基于模型預(yù)測了外界負載不同時，振蕩器線路的工作情況[12]。當合成基因線路的拷貝數(shù)很大時，振蕩器的振幅并不會隨拷貝數(shù)的增大而增大，反而會有一定程度的降低。

當細胞內(nèi)的資源不足時，對資源的利用就會出現(xiàn)排隊現(xiàn)象。例如，在合成基因線路的構(gòu)建中，蛋白質(zhì)降解標簽被廣泛地用于保證基因的表達量快速變化，這一點在具有動態(tài)功能的基因線路中尤為重要。然而研究發(fā)現(xiàn)，蛋白質(zhì)降解標簽會競爭蛋白酶ClpXP，當有過多的蛋白質(zhì)被降解標簽標記時，蛋白質(zhì)的降解過程就會出現(xiàn)排隊現(xiàn)象，這可能會使動態(tài)線路原有的功能發(fā)生紊亂，甚至完全喪失[51]。

當一個調(diào)控元件調(diào)控多個下游元件時，被調(diào)控元件之間也會產(chǎn)生競爭，并反過來影響上游元件的調(diào)控能力，產(chǎn)生負載效應(yīng)。例如，在合成基因線路中的非門后設(shè)計過多的下游元件，會影響該非門對信號的響應(yīng)速度。提高該元件的表達量會減輕這一現(xiàn)象[52]；然而，過量的外源基因表達會帶來細胞毒性，如何把握兩者的平衡是應(yīng)用此類基因線路時必須面對的問題[53]。有研究者在酵母中利用能夠快速反應(yīng)的磷酸轉(zhuǎn)移蛋白設(shè)計了驅(qū)動負載的模塊，通過對上游元件輸出信號進行迅速傳遞和放大減輕負載效應(yīng)，使基因線路在下游的被調(diào)控元件較多時仍能正常發(fā)揮功能[54]。

3.3 競爭效應(yīng)對細胞狀態(tài)的影響

某些基因線路中的調(diào)控元件會影響宿主細胞本身的生長狀況，甚至對細胞有較大毒副作用[55-56]。比如某些攜帶類似于核糖體結(jié)合位點的小RNA可能會競爭宿主細胞內(nèi)的核糖體，引起基因表達的不穩(wěn)定，阻礙宿主細胞的正常生長[57]。當合成基因線路引入的外源基因競爭宿主資源，影響宿主本身RNA和蛋白質(zhì)的合成時，宿主的生長速度就會明顯變慢[58]。當合成基因線路的規(guī)模變大時，這種效應(yīng)會尤為明顯[59]，甚至會誘發(fā)細胞對那些被視作“負擔”的合成基因線路的排斥，例如遺傳突變率的顯著上升，導(dǎo)致合成基因線路難以穩(wěn)定遺傳。如何在合成基因線路穩(wěn)定高表達和減小對宿主細胞干擾這一矛盾中找到平衡點，是合成基因線路在應(yīng)用中亟待解決的問題。

4 可能的解決方法和未來的發(fā)展方向

基因表達噪聲和競爭效應(yīng)二者間有著千絲萬縷的聯(lián)系。要降低基因表達中的噪聲往往需要增加基因表達的強度，這會對細胞內(nèi)有限的資源和能量產(chǎn)生競爭；反之，如果通過減少合成基因線路的元件數(shù)和表達量來降低其對資源的占用，則會增加基因線路的噪聲水平和表達的不確定性。因此，合成基因線路的設(shè)計中必須對這兩種因素進行綜合考慮，平衡對基因線路的影響。下面我們從理性設(shè)計的角度出發(fā)，歸納近年來一些新的設(shè)計思路和進展，并展望這一領(lǐng)域未來一些可能的發(fā)展方向。

4.1 模擬運算設(shè)計與布爾邏輯設(shè)計

在合成生物學發(fā)展初期，基因線路的設(shè)計思路大多借鑒了在信息科學領(lǐng)域廣泛應(yīng)用的布爾邏輯運算，然而，隨著基因線路規(guī)模的增加，利用布爾邏輯進行運算的基因線路可能無法良好地發(fā)揮功能[60]。例如，如果基于布爾邏輯的思路在細胞內(nèi)設(shè)計加法器，其基因線路的規(guī)模會隨著計算位數(shù)的增加而快速膨脹，對基礎(chǔ)元件有限的合成基因線路設(shè)計帶來了巨大挑戰(zhàn)。此外，多邏輯門的基因線路會消耗大量的細胞資源，影響基因線路的正常工作和宿主細胞的狀態(tài)。而另一方面，生命活動可以看作是一系列有序的化學反應(yīng)組合，其中相當多的調(diào)控作用都是通過濃度這種模擬信號來進行控制，因而模擬量運算在自然界中廣泛存在[61-62]，在對不同的環(huán)境信號進行定量響應(yīng)時發(fā)揮重要作用；類似地，在合成基因線路中，引入模擬量運算可以有效地突破資源和環(huán)境的限制，增加基因線路的運算能力，拓展合成基因線路的應(yīng)用前景。例如，研究人員利用3組基因元件，構(gòu)建了對數(shù)計算模塊，并以此為基礎(chǔ)，構(gòu)建了除法、冪律等一系列的模擬運算線路[16]。這些線路具有較大的動態(tài)范圍，傳遞函數(shù)也可以在一定范圍內(nèi)進行調(diào)整。

模擬量運算為系統(tǒng)節(jié)約資源、提高效率，而布爾量運算則為系統(tǒng)提升準確率和穩(wěn)定性。與布爾量運算相比，模擬量運算可以在更少的模塊和能耗情況下，解決相同的問題，這可以有效規(guī)避合成基因線路對元件數(shù)量、資源、能量的限制。然而，模擬量運算元件會引入較大的噪聲，在參與傳遞信號的分子數(shù)較低時這種現(xiàn)象尤為明顯。在神經(jīng)系統(tǒng)中，生命體把模擬運算和布爾邏輯預(yù)算相結(jié)合，在保證系統(tǒng)準確率的同時有效降低了功耗[61,63]。如何在合成基因線路的設(shè)計中將二者結(jié)合發(fā)揮作用，在減少能量和資源消耗的同時增加計算的準確性，是合成生物學的工程實踐中需要解決的重要問題[64]。

4.2 基于網(wǎng)絡(luò)拓撲的魯棒性設(shè)計

基因往往通過組成基因網(wǎng)絡(luò)來發(fā)揮功能。某些具有特定拓撲結(jié)構(gòu)的基因網(wǎng)絡(luò)出現(xiàn)頻率顯著高于其他結(jié)構(gòu)，這些拓撲結(jié)構(gòu)被稱為基因網(wǎng)絡(luò)模體(Network motif)[65]。研究發(fā)現(xiàn)，特定的網(wǎng)絡(luò)結(jié)構(gòu)可以實現(xiàn)較為復(fù)雜的功能，如瞬態(tài)響應(yīng)[66]、細胞命運決策[67]、生物振蕩[68]和倍數(shù)感知[69]等。研究者通過對這些常見結(jié)構(gòu)進行仿真，揭示了這些結(jié)構(gòu)在面對外界信號時的響應(yīng)模式；并在自然界中存在的基因線路中也觀察到了類似的現(xiàn)象，從而闡明了這些拓撲結(jié)構(gòu)的生物學意義[70]。

在自然界中，生命體利用特定的網(wǎng)絡(luò)結(jié)構(gòu)抵抗噪聲，增加系統(tǒng)穩(wěn)定性[71]。自抑制的基因建立穩(wěn)態(tài)的時間更快，其穩(wěn)態(tài)對短時的信號擾動和自身的表達水平漲落不敏感，因而具有更小的表達噪聲[72]。具有某些特定網(wǎng)絡(luò)模體的合成基因線路可以過濾短時的脈沖信號，而僅對持續(xù)時間較長的信號作出響應(yīng)[70]。視網(wǎng)膜紫質(zhì)對光子的接收過程利用多步磷酸化反應(yīng)控制噪聲，其對光子的響應(yīng)的離散程度與磷酸化位點數(shù)呈平方根反比關(guān)系[73]。

有研究者通過窮舉3個基因構(gòu)成的所有網(wǎng)絡(luò)拓撲結(jié)構(gòu)，篩選出具有較好適應(yīng)能力的基因網(wǎng)絡(luò)拓撲結(jié)構(gòu)[74]，并由此在一定程度上解釋了具有較好適應(yīng)能力的網(wǎng)絡(luò)模體之所以存在的原因。以此為基礎(chǔ)，通過對基因線路進行結(jié)構(gòu)設(shè)計，研究者可以篩選出那些對參數(shù)不敏感的基因網(wǎng)絡(luò)拓撲，使合成基因線路在外源噪聲干擾下依然能穩(wěn)定工作。對基因網(wǎng)絡(luò)的拓撲結(jié)構(gòu)進行重構(gòu)，可以有效地降低表達過程中個體間的差異[75]。此外，有研究指出，通過對簡單的生化反應(yīng)進行組合，即可在一定程度上實現(xiàn)濾波器的功能；基于這一現(xiàn)象提出的濾波器的優(yōu)化設(shè)計理論，可以對系統(tǒng)內(nèi)部的噪聲性質(zhì)進行大概估計，并可應(yīng)用于指導(dǎo)合成基因線路的設(shè)計，提高基因線路的魯棒性[76]。

以目前的計算能力，通過窮舉多節(jié)點拓撲進行結(jié)構(gòu)設(shè)計依然是不現(xiàn)實的。利用控制理論對現(xiàn)有的知識進行充分理解，抽象出一定的設(shè)計原則[77]，同時拓展新的建模方法，可能可以在一定程度上縮小備選解的范圍，提高設(shè)計效率。

4.3 基因線路設(shè)計的信息傳遞理論

生命體中基因調(diào)控可以抽象為信息傳遞的過程：細胞接收上游信號，對這些信號進行計算處理，并依據(jù)其結(jié)果決策下游的輸出信號 (圖5)。信息傳遞過程可以利用香農(nóng)信息論定量刻畫輸入輸出分布間的聯(lián)系。目前，依賴熒光蛋白技術(shù)和微流控技術(shù)的發(fā)展，已有一些工作嘗試利用信息論中的互信息和信道容量等概念對基因網(wǎng)絡(luò)的信號傳遞能力進行定量刻畫[78-80]。例如，研究者利用信息論的相關(guān)研究方法，成功揭示了果蠅發(fā)育過程中，胚胎如何利用調(diào)控基因的表達量信息精確決定位置信息[81-82]。利用信道容量衡量不同信號通路的信息傳遞能力，研究者刻畫出了某些特定信號通路信道容量的大致范圍，解析了不同的信號通路結(jié)構(gòu)對信息傳遞的影響，并借此推斷細胞如何提高決策的魯棒性[83-85]。

圖5 合成基因線路的信息傳遞模型

借助信息論的相關(guān)概念，一些工作還揭示了基因網(wǎng)絡(luò)的某些性質(zhì)對信息傳遞性能的影響。例如，負反饋可以降低基因表達的噪聲，但在一定條件下也會降低信號通路的信道容量[83]。利用藥物對信號通路進行干預(yù)，顯示某些信號通路結(jié)構(gòu)上的改變可以補償信號與響應(yīng)之間的互信息[84]。信息論的相關(guān)理論指出，信息在每一步傳遞的過程中都會丟失一部分，且多個信號組合可以增加信息量，這些都要求在基因網(wǎng)絡(luò)中兩個節(jié)點之間的距離應(yīng)當較短，自然界的基因網(wǎng)絡(luò)中廣泛存在的“小世界網(wǎng)絡(luò)”恰好具備這一性質(zhì)[80]，這為合成基因線路的設(shè)計提出了一些基本的設(shè)計原則。

很多合成基因線路的核心功能可以抽象為一個感知決策過程，即基因線路通過感知細胞內(nèi)基因表達或信號分子的濃度差異，來作出不同的響應(yīng) (圖6)。利用互信息、信道容量等概念，我們可以定量刻畫基因線路的決策準確度，這些概念與傳統(tǒng)方法相比，更貼近這一感知決策過程的本質(zhì)[78]。將互信息、信道容量等度量引入合成基因線路的設(shè)計、構(gòu)建和測試中，可以在更基礎(chǔ)的層面對合成基因線路的性能進行評價。此外，不同的控制目標都有一個理論上的信息量的下界，依據(jù)基因線路的功能計算出這一下界，并基于信息傳遞的原理對生物信道的不同部分的信息傳遞能力進行刻畫，有助于在理論的層面指導(dǎo)研究者在面對不同的設(shè)計目標時有針對性地理性設(shè)計合成基因線路。

圖6 合成基因線路的準確感知決策

4.4 利用動態(tài)信號傳遞信息

生命系統(tǒng)中，各個組分的表達量并不僅僅依靠靜態(tài)的濃度值發(fā)揮調(diào)控作用，而是具有非常豐富的動態(tài)調(diào)控機制[29,86]。例如，真核細胞中的Ras/Erk信號通路在接收上游信號刺激時會根據(jù)上游脈沖信號的持續(xù)時間開啟不同的下游基因，這解釋了為什么單一通路卻可以控制多種不同的下游響應(yīng)[87]。在酵母中，轉(zhuǎn)錄因子Crz1展現(xiàn)出類似于頻率調(diào)制的調(diào)控機制[88]。在人類細胞中，p53在受到DNA斷裂信號的刺激時，會通過產(chǎn)生不同的動態(tài)信號來決定細胞命運[89]。

如果僅以靜態(tài)的輸入輸出估算基因調(diào)控中的信道容量，單種信號分子承載的信息量一般只有1比特左右[78,84]。有研究者把調(diào)控過程視為一個時序信號，以動態(tài)信號作為輸入計算，其信道容量顯著增大[90]，這意味著動態(tài)信號可以承載更多的信息量。事實上，利用動態(tài)信號傳遞信息可以為細胞節(jié)約有限的資源[91-92]。我們推測，如果在合成基因線路的設(shè)計中充分考慮動態(tài)特性，可以利用更少的元件和更少的分子數(shù)傳遞同等的信息量，同時減少基因線路對生命體本身的負載。

動態(tài)信號還可以降低噪聲對合成基因線路的影響。對單個細胞進行時序觀測發(fā)現(xiàn)，細胞內(nèi)的基因表達差異小于細胞間的基因表達差異[87]。理論分析和實驗結(jié)果表明，增加觀測的時間點可以大幅增加對外源噪聲的推斷能力[90]。因此，在合成基因線路中利用動態(tài)信號進行運算處理可以在一定程度上抵抗外源噪聲帶來的不確定性。此外，針對動態(tài)信號的特點有針對性地設(shè)計基因線路也可以降低基因表達噪聲。例如，前述Ras/Erk信號通路表現(xiàn)為一個頻帶很寬的低通濾波器，這一性質(zhì)可以阻止持續(xù)時間短的脈沖信號向下傳遞，同時對持續(xù)時間較長的信號作出正確響應(yīng)[87]。通過增大啟動子開啟和關(guān)閉的狀態(tài)切換頻率，利用動態(tài)信號調(diào)制基因的轉(zhuǎn)錄過程，可以降低細胞表型的異質(zhì)性[93]。

5 結(jié)語

近年來，隨著合成生物學的發(fā)展，合成基因線路能夠?qū)崿F(xiàn)的功能越來越豐富。但隨著基因線路規(guī)模的增加，簡單的設(shè)計原則已經(jīng)無法滿足日益增長的大規(guī)模合成基因線路的設(shè)計需要。許多之前被忽略的因素對大規(guī)?；蚓€路的性能造成了巨大影響，基因表達過程中的隨機噪聲和基因線路對資源、能量、調(diào)控元件的競爭效應(yīng)對合成基因線路的影響愈發(fā)凸顯?；虮磉_的隨機噪聲與表達過量帶來的競爭效應(yīng)呈現(xiàn)此消彼長的關(guān)系，如何通過理性設(shè)計平衡二者的效應(yīng)，降低其對基因線路的影響，是合成基因線路設(shè)計的重要課題。

合成基因線路的表達量越高，信噪比越高，其理論表現(xiàn)應(yīng)該越好，但考慮到其會占用更多的細胞資源，惡化宿主的生存狀態(tài)，所以在設(shè)計時應(yīng)該盡量將外源基因的表達控制在較低水平。這本質(zhì)上是一個功率有限且具有噪聲的信息傳遞過程。因此，可以采用信息論中的有關(guān)理論來指導(dǎo)設(shè)計、評價基因線路。同時，信號的傳遞過程是一個動態(tài)的時序過程，利用動態(tài)信號傳遞信息，同時針對動態(tài)信號的特點針對性地設(shè)計基因線路，可以增加合成基因線路的信道容量，同時降低噪聲水平。

傳統(tǒng)的合成基因線路設(shè)計往往刻意規(guī)避外源基因線路與細胞內(nèi)環(huán)境的相互作用，試圖保證合成基因線路與宿主細胞之間的絕緣，使其獨立發(fā)揮功能。然而，宿主細胞內(nèi)的各種因素對合成基因線路的功能有著無法規(guī)避的影響，這可能導(dǎo)致合成基因線路無法正常發(fā)揮功能。如果將這些因素充分考慮，將合成基因線路嵌入到細胞內(nèi)環(huán)境中，充分利用自然界中的豐富調(diào)控機制，使其真正作為生命體的一部分發(fā)揮作用，或許可以在一定程度上解決合成基因線路規(guī)模受限、受噪聲影響較大、與內(nèi)源基因相互競爭等一系列問題。例如，最近有研究將競爭效應(yīng)作為一種調(diào)控機制，通過引入外源DNA對合成基因線路的調(diào)控元件進行競爭，改善調(diào)控元件的響應(yīng)特性，降低了噪聲對基因線路的影響，從而提升環(huán)形振蕩器的穩(wěn)定性、適應(yīng)性和同步性[94]。這提示我們，在基因線路設(shè)計中，競爭效應(yīng)和基因表達噪聲并不總是難以同時兼顧的，如果善用競爭效應(yīng)的調(diào)控性質(zhì)，或許可以在降低噪聲等方面改善基因線路的性能。

很多合成基因線路的設(shè)計靈感都來自生命體本身。漫長的進化過程對生命體精巧的優(yōu)化從未停止，更透徹地了解生命體本身多樣的控制基因表達差異的機制，并將其借鑒到合成生物學領(lǐng)域，將系統(tǒng)生物學與合成生物學更加緊密地結(jié)合，可以為這一領(lǐng)域提供新的設(shè)計思路。

隨著合成生物學的進一步發(fā)展，合成基因線路必定要向著更精準、更魯棒、更大規(guī)模的方向發(fā)展，在這個過程中，理性、定量設(shè)計將起到關(guān)鍵性作用。綜合控制科學、信息論和系統(tǒng)生物學的有關(guān)理論，發(fā)展更合理、更高效的數(shù)理模型對合成基因線路進行刻畫，將有助于我們更好面對合成基因線路規(guī)?；O(shè)計的挑戰(zhàn)。

[1] Keasling JD. Synthetic biology and the development of tools for metabolic engineering. Metab Eng, 2012, 14(3): 189–195.

[2] Khalil AS, Collins JJ. Synthetic biology: applications come of age. Nat Rev Genet, 2010, 11(5): 367–379.

[3] Slomovic S, Pardee K, Collins JJ. Synthetic biology devices foranddiagnostics. Proc Natl Acad Sci USA, 2015, 112(47): 14429–14435.

[4] Ruder WC, Lu T, Collins JJ. Synthetic biology moving into the clinic. Science, 2011, 333(6047): 1248–1252.

[5] Lienert F, Lohmueller JJ, Garg A, et al. Synthetic biology in mammalian cells: next generation research tools and therapeutics. Nat Rev Mol Cell Biol, 2014, 15(2): 95–107.

[6] Medema MH, Breitling R, Bovenberg R, et al. Exploiting plug-and-play synthetic biology for drug discovery and production in microorganisms. Nat Rev Microbiol, 2011, 9(2): 131–137.

[7] Gardner TS, Cantor CR, Collins JJ. Construction of a genetic toggle switch in. Nature, 2000, 403(6767): 339–342.

[8] Elowitz MB, Leibler S. A synthetic oscillatory network of transcriptional regulators. Nature, 2000, 403(6767): 335–338.

[9] Siuti P, Yazbek J, Lu TK. Synthetic circuits integrating logic and memory in living cells. Nat Biotechnol, 2013, 31(5): 448–452.

[10] Bonnet J, Subsoontorn P, Endy D. Rewritable digital data storage in live cellsengineered control of recombination directionality. Proc Natl Acad Sci USA, 2012, 109(23): 8884–8889.

[11] Yang L, Nielsen AAK, Fernandez-Rodriguez J, et al. Permanent genetic memory with >1-byte capacity. Nat Methods, 2014, 11(12): 1261–1266.

[12] Wei?e AY, Oyarzún DA, Danos V, et al. Mechanistic links between cellular trade-offs, gene expression, and growth. Proc Natl Acad Sci USA, 2015, 112(9): E1038-E1047.

[13] Sowa SW, Gelderman G, Contreras LM. Advances in synthetic dynamic circuits design: using novel synthetic parts to engineer new generations of gene oscillations. Curr Opin Biotechnol, 2015, 36: 161–167.

[14] Basu S, Gerchman Y, Collins CH, et al. A synthetic multicellular system for programmed pattern formation. Nature, 2005, 434(7037): 1130–1134.

[15] Liu CL, Fu XF, Liu LZ, et al. Sequential establishment of stripe patterns in an expanding cell population. Science, 2011, 334(6053): 238–241.

[16] Daniel R, Rubens JR, Sarpeshkar R, et al. Synthetic analog computation in living cells. Nature, 2013, 497(7451): 619–623.

[17] Galdzicki M, Clancy KP, Oberortner E, et al. The synthetic biology open language (SBOL) provides a community standard for communicating designs in synthetic biology. Nat Biotechnol, 2014, 32(6): 545–550.

[18] Nielsen AAK, Der BS, Shin J, et al. Genetic circuit design automation. Science, 2016, 352(6281): aac7341.

[19] Purnick PEM, Weiss R. The second wave of synthetic biology: from modules to systems. Nat Rev Mol Cell Biol, 2009, 10(6): 410–422.

[20] Cardinale S, Arkin AP. Contextualizing context for synthetic biology-identifying causes of failure of synthetic biological systems. Biotechnol J, 2012, 7(7): 856–866.

[21] Brophy JA, Voigt CA. Principles of genetic circuit design. Nat Methods, 2014, 11(5): 508–520.

[22] Way JC, Collins JJ, Keasling JD, et al. Integrating biological redesign: where synthetic biology came from and where it needs to go. Cell, 2014, 157(1): 151–161.

[23] Lucks JB, Qi L, Whitaker WR, et al. Toward scalable parts families for predictable design of biological circuits. Curr Opin Microbiol, 2008, 11(6): 567–573.

[24] Rao CV, Wolf DM, Arkin AP. Control, exploitation and tolerance of intracellular noise. Nature, 2002, 420(6912): 231–237.

[25] K?rn M, Elston TC, Blake WJ, et al. Stochasticity in gene expression: from theories to phenotypes. Nat Rev Genet, 2005, 6(6): 451–464.

[26] Schr?dinger E. What is Life? Cambridge: Cambridge University Press, 1992.

[27] Raser JM, O’Shea EK. Noise in gene expression: origins, consequences, and control. Science, 2005, 309(5743): 2010–2013.

[28] Losick R, Desplan C. Stochasticity and cell fate. Science, 2008, 320(5872): 65–68.

[29] Levine JH, Lin YH, Elowitz MB. Functional roles of pulsing in genetic circuits. Science, 2013, 342(6163): 1193–1200.

[30] Elowitz MB, Levine AJ, Siggia ED, et al. Stochastic gene expression in a single cell. Science, 2002, 297(5584): 1183–1186.

[31] Golding I, Paulsson J, Zawilski SM, et al. Real-time kinetics of gene activity in individual bacteria. Cell, 2005, 123(6): 1025–1036.

[32] Suter DM, Molina N, Gatfield D, et al. Mammalian genes are transcribed with widely different bursting kinetics. Science, 2011, 332(6028): 472–474.

[33] Zenklusen D, Larson DR, Singer RH. Single-RNA counting reveals alternative modes of gene expression in yeast. Nat Struct Mol Biol, 2008, 15(12): 1263–1271.

[34] Swain PS, Elowitz MB, Siggia ED. Intrinsic and extrinsic contributions to stochasticity in gene expression. Proc Natl Acad Sci USA, 2002, 99(20): 12795–12800.

[35] Raser JM, O'Shea EK. Control of stochasticity in eukaryotic gene expression. Science, 2004, 304(5678): 1811–1814.

[36] das Neves RP, Jones NS, Andreu L, et al. Connecting variability in global transcription rate to mitochondrial variability. PLoS Biol, 2010, 8(12): e1000560.

[37] Battich N, Stoeger T, Pelkmans L. Control of transcript variability in single mammalian cells. Cell, 2015, 163(7): 1596–1610.

[38] Raj A, van Oudenaarden A. Nature, nurture, or chance: stochastic gene expression and its consequences. Cell, 2008, 135(2): 216–226.

[39] Pedraza JM, van Oudenaarden A. Noise propagation in gene networks. Science, 2005, 307(5717): 1965–1969.

[40] Hooshangi S, Thiberge S, Weiss R. Ultrasensitivity and noise propagation in a synthetic transcriptional cascade. Proc Natl Acad Sci USA, 2005, 102(10): 3581–3586.

[41] Fung E, Wong WW, Suen JK, et al. A synthetic gene-metabolic oscillator. Nature, 2005, 435(7038): 118–122.

[42] Stricker J, Cookson S, Bennett MR, et al. A fast, robust and tunable synthetic gene oscillator. Nature, 2008, 456(7221): 516–519.

[43] Tigges M, Marquez-Lago TT, Stelling J, et al. A tunable synthetic mammalian oscillator. Nature, 2009, 457(7227): 309–312.

[44] Mondragón-Palomino O, Danino T, Selimkhanov J, et al. Entrainment of a population of synthetic genetic oscillators. Science, 2011, 333(6047): 1315–1319.

[45] Tay Y, Rinn J, Pandolfi PP. The multilayered complexity of ceRNA crosstalk and competition. Nature, 2014, 505(7483): 344–352.

[46] Yuan Y, Liu B, Xie P, et al. Model-guided quantitative analysis of microRNA-mediated regulation on competing endogenous RNAs using a synthetic gene circuit. Proc Natl Acad Sci USA, 2015, 112(10): 3158–3163.

[47] Brewster RC, Weinert FM, Garcia HG, et al. The transcription factor titration effect dictates level of gene expression. Cell, 2014, 156(6): 1312–1323.

[48] Maitra A, Dill KA. Bacterial growth laws reflect the evolutionary importance of energy efficiency. Proc Natl Acad Sci USA, 2015, 112(2): 406–411.

[49] Scott M, Klumpp S, Mateescu EM, et al. Emergence of robust growth laws from optimal regulation of ribosome synthesis. Mol Syst Biol, 2014, 10(8): 747.

[50] Hui S, Silverman JM, Chen SS, et al. Quantitative proteomic analysis reveals a simple strategy of global resource allocation in bacteria. Mol Syst Biol, 2015, 11(2): e784.

[51] Cookson NA, Mather WH, Danino T, et al. Queueing up for enzymatic processing: correlated signaling through coupled degradation. Mol Syst Biol, 2011, 7: 561.

[52] Del Vecchio D, Ninfa AJ, Sontag ED. Modular cell biology: retroactivity and insulation. Mol Syst Biol, 2008, 4: 161.

[53] Jayanthi S, Nilgiriwala KS, Del Vecchio D. Retroactivity controls the temporal dynamics of gene transcription. ACS Synth Biol, 2013, 2(8): 431–441.

[54] Mishra D, Rivera PM, Lin A, et al. A load driver device for engineering modularity in biological networks. Nat Biotechnol, 2014, 32(12): 1268–1275.

[55] Rhodius VA, Segall‐Shapiro TH, Sharon BD, et al. Design of orthogonal genetic switches based on a crosstalk map of σs, anti-σs, and promoters. Mol Syst Biol, 2013, 9: 702.

[56] Stanton BC, Nielsen AA, Tamsir A, et al. Genomic mining of prokaryotic repressors for orthogonal logic gates. Nat Chem Biol, 2014, 10(2): 99–105.

[57] Callura JM, Dwyer DJ, Isaacs FJ, et al. Tracking, tuning, and terminating microbial physiology using synthetic riboregulators. Proc Natl Acad Sci USA, 2010, 107(36): 15898–15903.

[58] Dong H, Nilsson L, Kurland CG. Gratuitous overexpression of genes inleads to growth inhibition and ribosome destruction. J Bacteriol, 1995, 177(6): 1497–1504.

[59] Arkin AP, Fletcher DA. Fast, cheap and somewhat in control. Genome Biol, 2006, 7(8): 114.

[60] Sarpeshkar R. Analog synthetic biology. Philos Trans A Math Phys Eng Sci, 2014, 372(2012): 20130110.

[61] Clark B, H?usser M. Neural coding: hybrid analog and digital signalling in axons. Curr Biol, 2006, 16(15): R585-R588.

[62] Giorgetti L, Siggers T, Tiana G, et al. Noncooperative interactions between transcription factors and clustered DNA binding sites enable graded transcriptional responses to environmental inputs. Mol Cell, 2010, 37(3): 418–428.

[63] Sarpeshkar R. Analog versus digital: extrapolating from electronics to neurobiology. Neural Comput, 1998, 10(7): 1601–1638.

[64] Purcell O, Lu TK. Synthetic analog and digital circuits for cellular computation and memory. Curr Opin Biotechnol, 2014, 29: 146–155.

[65] Milo R, Shen-Orr S, Itzkovitz S, et al. Network motifs: simple building blocks of complex networks. Science, 2002, 298(5594): 824–847.

[66] Shen-Orr SS, Milo R, Mangan S, et al. Network motifs in the transcriptional regulation network of. Nat Genet, 2002, 31(1): 64–68.

[67] Brandman O, Ferrell Jr JE, Li R, et al. Interlinked fast and slow positive feedback loops drive reliable cell decisions. Science, 2005, 310(5747): 496–498.

[68] Tsai TYC, Choi YS, Ma WZ, et al. Robust, tunable biological oscillations from interlinked positive and negative feedback loops. Science, 2008, 321(5885): 126–129.

[69] Goentoro L, Shoval O, Kirschner MW, et al. The incoherent feedforward loop can provide fold-change detection in gene regulation. Mol Cell, 2009, 36(5): 894–899.

[70] Alon U. Network motifs: theory and experimental approaches. Nat Rev Genet, 2007, 8(6): 450–461.

[71] Chalancon G, Ravarani CNJ, Balaji S, et al. Interplay between gene expression noise and regulatory network architecture. Trends Genet, 2012, 28(5): 221–232.

[72] Becskei A, Serrano L. Engineering stability in gene networks by autoregulation. Nature, 2000, 405(6786): 590–593.

[73] Doan T, Mendez A, Detwiler PB, et al. Multiple phosphorylation sites confer reproducibility of the rod’s single-photon responses. Science, 2006, 313(5786): 530–533.

[74] Ma WZ, Trusina A, El-Samad H, et al. Defining network topologies that can achieve biochemical adaptation. Cell, 2009, 138(4): 760–773.

[75] ?a?atay T, Turcotte M, Elowitz MB, et al. Architecture-dependent noise discriminates functionally analogous differentiation circuits. Cell, 2009, 139(3): 512–522.

[76] Zechner C, Seelig G, Rullan M, et al. Molecular circuits for dynamic noise filtering. Proc Natl Acad Sci USA, 2016, 113(17): 4729–4734.

[77] Del Vecchio D, Dy AJ, Qian Y. Control theory meets synthetic biology. J R Soc Interface, 2016, 13(120): 20160380.

[78] Bowsher CG, Swain PS. Environmental sensing, information transfer, and cellular decision-making. Curr Opin Biotechnol, 2014, 28: 149–155.

[79] Levchenko A, Nemenman I. Cellular noise and information transmission. Curr Opin Biotechnol, 2014, 28: 156–164.

[80] Brennan MD, Cheong R, Levchenko A. Systems biology. How information theory handles cell signaling and uncertainty. Science, 2012, 338(6105): 334–335.

[81] Gregor T, Tank DW, Wieschaus EF, et al. Probing the limits to positional information. Cell, 2007, 130(1): 153–164.

[82] Dubuis JO, Tka?ik G, Wieschaus EF, et al. Positional information, in bits. Proc Natl Acad Sci USA, 2013, 110(41): 16301–16308.

[83] Cheong R, Rhee A, Wang CJ, et al. Information transduction capacity of noisy biochemical signaling networks. Science, 2011, 334(6054): 354–358.

[84] Uda S, Saito TH, Kudo T, et al. Robustness and compensation of information transmission of signaling pathways. Science, 2013, 341(6145): 558–561.

[85] Voliotis M, Perrett RM, McWilliams C, et al. Information transfer by leaky, heterogeneous, protein kinase signaling systems. Proc Natl Acad Sci USA, 2014, 111(3): E326-E333.

[86] Locke JCW, Elowitz MB. Using movies to analyse gene circuit dynamics in single cells. Nat Rev Microbiol, 2009, 7(5): 383–392.

[87] Toettcher JE, Weiner OD, Lim WA. Using optogenetics to interrogate the dynamic control of signal transmission by the Ras/Erk module. Cell, 2013, 155(6): 1422–1434.

[88] Cai L, Dalal CK, Elowitz MB. Frequency-modulated nuclear localization bursts coordinate gene regulation. Nature, 2008, 455(7212): 485–490.

[89] Purvis JE, Karhohs KW, Mock C, et al. p53 dynamics control cell fate. Science, 2012, 336(6087): 1440–1444.

[90] Selimkhanov J, Taylor B, Yao J, et al. Accurate information transmission through dynamic biochemical signaling networks. Science, 2014, 346(6215): 1370–1373.

[91] Tu BP, Kudlicki A, Rowicka M, et al. Logic of the yeast metabolic cycle: temporal compartmentalization of cellular processes. Science, 2005, 310(5751): 1152–1158.

[92] Silverman SJ, Petti AA, Slavov N, et al. Metabolic cycling in single yeast cells from unsynchronized steady-state populations limited on glucose or phosphate. Proc Natl Acad Sci USA, 2010, 107(15): 6946–6951.

[93] Hung M, Chang E, Hussein R, et al. Modulating the frequency and bias of stochastic switching to control phenotypic variation. Nat Commun, 2014, 5: 4574.

[94] Potvin-Trottier L, Lord ND, Vinnicombe G, et al. Synchronous long-term oscillations in a synthetic gene circuit. Nature, 2016, 538(7626): 514–517.

(本文責編 陳宏宇)

汪小我 博士，清華大學自動化系長聘副教授，博士生導(dǎo)師。中國生物工程學會青年工作委員會主任委員，中國人工智能學會生物信息學與人工生命專業(yè)委員會秘書長，清華大學自動化系信息處理研究所副所長。2003年和2008年在清華大學分別獲得工學學士和工學博士學位。2008年起在清華大學自動化系任教至今。研究方向為生物組學數(shù)據(jù)的特征識別與信息挖掘、人工合成基因線路的設(shè)計理論與實現(xiàn)方法。在、、等刊物發(fā)表論文30余篇，WOS他引1 600余次。曾獲全國優(yōu)秀博士學位論文獎、國家自然科學基金優(yōu)秀青年基金、教育部新世紀優(yōu)秀人才支持計劃、國家級教學成果二等獎、中國自動化學會自然科學二等獎等。

Challenges in large-scale synthetic gene circuits design

Lei Wei1,2, Ye Yuan1,2, and Xiaowo Wang1,2

1,,,,100084,Tsinghua National Laboratory for Information Science and TechnologyBeijingChina

As the scale of synthetic gene circuits grows with sophisticated functions, rational design appears to be a bottleneck to develop synthetic biological systems. In this review, we summarized the impact of gene expression noise and competition effect on the performance of synthetic gene circuits. We also summarized recent progresses on rational design approaches, such as digital-analog circuits, network topologies design, and information-theory-based optimization approaches. Finally, we discussed future directions for rational design of synthetic gene circuits.

synthetic gene circuit, gene expression noise, competition effect, rational design

November 1, 2016; Accepted:January 16, 2017

Xiaowo Wang. E-mail: xwwang@tsinghua.edu.cn

Supported by:National Natural Science Foundation of China (Nos. 61322310, 31371341), Tsinghua University Initiative Scientific Research Program (No. 20141081175).

國家自然科學基金 (Nos. 61322310, 31371341)，清華大學自主科研項目 (No. 20141081175) 資助。