来源：Front Bioeng Biotechnol | 编译：DNA Lab Space
合成生物学的核心难题，从来不只是“怎么造”，更是“怎么想”。一篇发表于《Frontiers in Bioengineering and Biotechnology》的论文提出，借助化学组织理论（Chemical Organization Theory, COT），可以把合成生物学的核心概念——自组织、涌现、反馈、韧性——变成可计算、可操作的形式化工具。更值得注意的是，这项研究基于四年跨学科教学实践发现：当学生先通过熟悉的非生物系统接触组织概念，再迁移到合成生物学场景时，系统思维能力的提升更为显著。
研究背景
合成生物学长期面临一个尴尬局面：实验工具飞速迭代，但理论框架却滞后于工程实践。基因回路设计、代谢途径优化、合成菌群构建——这些不同尺度的研究对象，能否被一套统一的形式化语言描述？论文作者指出，传统还原论方法难以捕捉生物系统的涌现性质，而复杂适应系统理论虽然提供了宏观视角，却往往停留在定性描述层面。
化学组织理论恰好填补了这一空缺。它把生物系统建模为反应网络，通过数学上严格定义的“组织”（organization）概念——既满足闭包性（closure，所有产物的生成途径都在网络内部），又满足自维持性（self-maintenance，所有反应物的消耗都能被网络内部补充）——为“什么组合能稳定存在”提供了判定标准。这套形式化框架不依赖具体生物分子的化学性质，因此天然具有跨学科通用性。
论文的核心主张是：COT不仅能用于分析基因调控网络或代谢网络，还能作为教学工具，帮助来自设计学、社会科学、数学、生态学等不同背景的学生掌握复杂系统思维。这一主张建立在一个关键观察上——组织逻辑本身是领域无关的。
研究方法
论文采用“理论构建+计算平台开发+教学实证”三位一体的研究路径。理论层面，研究者将合成生物学概念映射到反应网络的形式化语言中。计算层面，他们开发了名为pyCOT的专用计算平台，使抽象概念变得可操作、可计算。教学层面，他们在四年间面向不同学科背景的学生群体实施教学干预，并观察组织推理能力的跨学科迁移效果。
研究首先定义了COT的核心形式化工具。在反应网络中，每个“组织”是一个物种集合，满足两个数学条件：闭包性——集合中任何物种的产物仍属于该集合；自维持性——集合中每个物种的消耗速率不超过其生成速率。这两个条件共同构成了系统稳定性的形式化判据。
为展示COT在不同尺度上的应用，论文构建了多个反应网络模型。在基因回路层面，研究者将转录调控关系建模为反应网络，其中转录因子与DNA结合位点的相互作用被表示为反应物到产物的转化。在代谢工程层面，代谢途径被分解为酶促反应序列，每个中间代谢物成为网络节点。在合成菌群层面，不同菌株间的互养关系被建模为跨物种的物质交换反应。
最小细胞设计问题被选为COT应用的关键案例。研究者提出一个设计挑战：给定可用反应集合，识别包含{ATP、氨基酸、核苷酸、脂质}的最小组织子集。这个形式化问题直接对应合成生物学中的“最小基因组”追求。论文引用Hutchison等人2016年的工作作为背景——那项研究构建了最小细菌基因组，但COT的提问方式不同：不是“最小基因组是什么”，而是“包含必需功能的最小自维持组织是什么”。
分析显示，许多被提出的最小细胞设计方案未能通过COT验证：它们要么产生不可持续组分（违反闭包性），要么依赖无法再生的外部资源（违反自维持性）。COT提供了明确的可行性判据——网络必须形成组织。
为验证COT的跨尺度适用性，论文引入了一个农场模型（基于Veloz等人2022年的工作）。该反应网络中，资源包括草、水、牛、鸡、谷物、牛奶和鸡蛋，反应代表生产性过程，如喂养、挤奶、收蛋、作物种植和资源补充。组织分析识别出农场系统中的哪些子集是自维持的——例如，产奶组织要求草的再生和水的可用性支持奶牛喂养，且速率平衡消费，形成闭合的生产循环。
论文还展示了三种基本扰动类型对组织生存力的影响：状态扰动（如水量减少）、过程扰动（如气候变化将水输入限制在临界阈值以下）、结构扰动（如疾病消除某物种导致反应丢失）。通过将网络分解为动态解耦模块，分析揭示了哪些扰动可以被系统内部补偿。
教学实施方面，论文报告了四年间面向多样化学生群体的教学实践。学生背景涵盖设计学、社会科学、数学和生态学。教学设计的核心原则是“渐进复杂性”——先让学生通过熟悉的非生物系统（如农场模型）接触组织概念，再迁移到合成生物学场景。这种教学顺序的理论依据是：组织推理能力在领域无关的层面上先建立，再应用于专业领域时更为有效。
原文摘要未详述具体教学时长、学生人数、评估工具等参数，也未提供pyCOT平台的技术架构细节（如编程语言、依赖库、计算复杂度等）。
研究结果
论文的核心发现分为三个层面：形式化框架的适用性、计算平台的可操作性、教学实践的有效性。
在形式化框架层面，COT成功统一了合成生物学不同尺度上的概念表达。基因回路中的反馈调节、代谢网络中的通量平衡、合成菌群中的互养关系，都被转化为同一种反应网络语言。这种统一性意味着：一个在代谢网络中成立的组织定理，可以形式化地迁移到菌群互作分析中。
在计算平台层面，pyCOT使抽象概念变得可计算。自组织、涌现、反馈、韧性——这些在传统生物学讨论中常停留在隐喻层面的概念，通过pyCOT获得了操作性定义。例如，系统的韧性可以通过分析组织在扰动下的保持能力来量化：如果网络在状态扰动后仍能回到同一组织，则称该组织对该扰动具有韧性。
在最小细胞设计案例中，COT分析揭示了一个关键洞察：许多文献中提出的最小细胞方案存在闭包性违例——它们产生无法被网络内部进一步利用的副产物，或需要网络外部持续供给特定资源。COT的判定标准改变了“最小”的定义方式：最小不是指基因数量最少，而是指满足闭包性和自维持性的最小反应集合。
农场模型的分析结果展示了COT超越分子尺度的解释力。组织分析识别出自维持子集——例如，产奶组织要求草再生和水可用性支持奶牛喂养，且速率平衡消费，形成闭合的生产循环。三种扰动类型的区分具有操作意义：状态扰动（如水量减少）可能通过系统内部动态补偿；过程扰动（如气候变化限制水输入低于临界阈值）可能突破组织的自维持边界；结构扰动（如疾病消除某物种）则可能直接破坏组织的闭包性。通过将网络分解为动态解耦模块，分析能够定位哪些扰动可以被补偿、哪些会致命。
教学实践的结果最为引人注目。四年间，来自设计学、社会科学、数学和生态学背景的学生均表现出组织推理能力的有效迁移。论文总结出一条关键教学原则：当学生首先通过熟悉的非生物系统（如农场模型）接触组织概念，再迁移到合成生物学时，他们的系统思维能力发展更为扎实。这一发现支持了“渐进复杂性”教学策略的有效性。
论文将这种跨学科可迁移性归因于COT的领域通用形式化特征。由于组织概念不依赖具体化学物种的性质，学生可以将同一套推理模式应用于不同系统——从分子网络到生态网络。这种通用性使得COT不仅是一种分析工具，更是一种认知工具，能够培养超越生物学边界的复杂适应系统素养。
原文摘要未提供具体数值型结果（如学生成绩提升百分比、平台计算速度、网络规模上限等），也未报告教学评估的定量指标。论文的结论主要基于定性观察和案例演示。
讨论与展望
这项研究最有价值的贡献，或许不在于COT本身的理论深度，而在于它把形式化方法从“专家工具”变成了“教学媒介”。当设计学学生能用农场模型理解自维持性，当生态学学生能把物种互作映射为反应网络，合成生物学的核心概念就获得了跨学科的认知穿透力。
论文指出的“渐进复杂性”教学原则值得深思。先非生物、后生物的认知路径，暗示组织推理是一种比领域知识更基础的思维能力。这或许解释了为什么COT在跨学科教学中表现良好——它先激活的是人类对系统稳定性的直觉，而非对生物化学的专业知识。
当然，这项研究仍有开放问题。pyCOT平台的计算能力边界、形式化方法在大规模网络中的可扩展性、教学效果的长期保持——这些都需要进一步验证。论文将COT定位为“复杂适应系统素养”的传播路径，这个定位是否成立，取决于后续研究能否提供更系统的评估证据。
一个值得追问的方向是：COT能否从教学工具反哺研究工具？如果学生能通过COT快速识别设计方案的闭包性缺陷，那么研究者是否也能用它来筛选候选基因回路？论文没有给出答案，但四年教学实践积累的案例，或许已经埋下了种子。
参考来源
Veloz T, Jendreiko C. Chemical organizations as a conceptual tool: from synthetic biology to interdisciplinary systems and back. Front Bioeng Biotechnol. 2025. PMID: 42453133.
PMID: 42453133