来源：Curr Opin Biotechnol | 编译：DNA Lab Space
导语：代谢工程依赖微生物细胞工厂将廉价原料转化为高值产品，但途径设计与优化长期受困于耗时耗力的瓶颈。生物传感器能将目标代谢物浓度转化为可观测信号，为破解这一难题提供了关键工具。本文聚焦活细胞生物传感器与无细胞生物传感器在代谢工程中的最新进展，梳理两者各自的策略优势与研究前沿。
研究背景
代谢工程的核心任务，是让微生物细胞工厂高效地把低成本底物转变成高附加值产品。无论是天然产物的异源合成，还是非天然化学品的人工途径构建，研究者都需要反复“设计—构建—测试—学习”这一循环。然而，这个循环中的每一个环节都极其消耗时间与人力。传统检测手段如高效液相色谱或质谱分析，通量低、成本高，难以支撑大规模突变体文库的筛选。
生物传感器的出现改变了这一局面。这类分子工具能够识别特定代谢物的浓度变化，并将其转化为荧光、生长速率等易于读取的输出信号。借助生物传感器，研究人员可以在单细胞水平或群体水平上快速评估成千上万个菌株变体的生产性能，从而大幅缩短设计-构建-测试循环的周期。
在众多生物传感器中，活细胞全细胞传感器与无细胞传感器代表了两种截然不同的工作范式。活细胞传感器依赖微生物自身的代谢与调控网络，在活体状态下感知并报告目标分子；无细胞传感器则跳出细胞生长的束缚，利用转录-翻译机器在体外直接执行检测功能。两者各有长短，在代谢工程的不同应用场景中发挥着互补作用。这篇发表于 Current Opinion in Biotechnology 的综述，系统梳理了这两类传感器驱动代谢工程优化的近期进展。
研究方法
该综述由 Seok 与 Styczynski 撰写，属于观点综述类文献，其“研究方法”并非实验操作，而是对近年来相关文献的系统梳理与框架整合。原文摘要未详述具体的检索策略、纳入文献数量或筛选标准，因此本文无法提供系统评价中常见的PRISMA流程图或检索式参数。
从综述的结构逻辑来看，作者采用了分类叙述的框架。他们首先界定活细胞生物传感器与无细胞生物传感器的定义与工作边界：活细胞传感器在活的微生物内部运行，依赖完整的细胞代谢与基因调控回路；无细胞传感器则不依赖细胞生长，利用转录-翻译机器在体外运行。这个分类构成了全文的叙述主线。
在活细胞传感器部分，作者围绕其在微生物合成途径优化中的应用展开，重点讨论了传感器如何将目标代谢物浓度转化为可观测输出，从而实现对菌株生产性能的高效评估。综述涉及的活细胞传感器类型包括转录因子类传感器和核糖体开关类传感器——前者利用调控蛋白识别代谢物并启动报告基因表达，后者则通过RNA结构变化响应代谢物浓度。不过，原文摘要未详述这些传感器具体的构建参数，如启动子序列、报告基因种类或动态响应范围。
在无细胞传感器部分，作者聚焦于利用转录-翻译机器在体外实现代谢物检测的策略。无细胞系统打破了细胞生长与检测之间的耦合，允许在更短的时间内完成检测流程，也便于对反应条件进行直接调控。综述讨论了无细胞传感器在代谢工程中的应用场景，包括途径中间代谢物的快速检测、酶活性的体外评估等。原文摘要同样未提供反应体系的具体参数，如提取物浓度、反应温度或孵育时间。
作者在综述中还对比了活细胞与无细胞传感器在代谢工程优化中的差异化贡献。这种对比并非简单的优劣评判，而是基于两种技术的工作机制差异——活细胞传感器能够反映真实发酵条件下的代谢状态，但受限于细胞通透性、毒性响应和动态范围；无细胞传感器则提供了更开放的反应环境，但可能无法完全模拟细胞内复杂的代谢与调控背景。原文摘要未详述对比分析的具体维度或量化指标。
研究结果
综述的核心发现可以概括为：活细胞生物传感器与无细胞生物传感器分别通过不同的技术路径，为微生物合成途径的设计、优化与评估提供了高效工具。
在活细胞传感器方面，综述指出这类传感器已在微生物生产优化中展现出实际价值。通过将目标代谢物浓度转化为荧光或生长等可观测输出，活细胞传感器使研究人员能够在活菌背景下快速评估菌株性能。原文摘要未提供具体的检测灵敏度、响应时间或动态范围等数值数据，也未提及特定微生物宿主或目标产物的具体产量提升倍数。综述强调的核心观点是，活细胞传感器在“细胞内运行”这一特性使其能够直接反映发酵条件下细胞的代谢状态，这是其区别于无细胞传感器的最关键特征。
无细胞传感器方面，综述强调了其“独立于细胞生长”的独特优势。由于不依赖细胞增殖，无细胞传感器能够在更短的时间内完成检测，且避免了细胞膜通透性等活细胞系统常见的限制因素。转录-翻译机器的体外运行意味着反应条件可以被独立优化——例如调整提取物浓度、离子强度或温度来提升检测性能。原文摘要未提供无细胞反应的具体优化参数或检测极限数据。作者指出，无细胞传感器为微生物合成途径的优化提供了另一条路径，特别是在需要快速迭代或检测有毒中间代谢物的场景中，这种策略可能比活细胞传感器更具操作性。
综述的另一个重要结论是，两类传感器在代谢工程中的贡献方式存在本质差异，但二者并非相互替代关系。活细胞传感器适合在真实生产条件下评估菌株的整体表现，无细胞传感器则更适合对途径中的特定节点进行快速、独立的检测。作者认为，这两种策略共同构成了生物传感器驱动代谢工程优化的完整工具箱。原文摘要未提供任何定量对比数据，如两类传感器的检测时间差异、成本差异或通量差异。
值得注意的是，综述的讨论范围覆盖了生物传感器在代谢工程中的“设计、优化和评估”三个环节。设计层面涉及传感器与目标代谢物的匹配选择；优化层面涉及传感器性能的调谐——如动态范围、灵敏度和特异性；评估层面则涉及传感器在菌株筛选中实际应用效果。原文摘要未详述这些环节中的具体案例数据或成功应用实例的产量数值。
讨论与展望
活细胞与无细胞生物传感器在代谢工程中的并行发展，映射出该领域对检测工具的核心需求：快、准、通量高。活细胞传感器胜在与生产环境的高度契合——它就在细胞里工作，读出的信号直接反映发酵状态；无细胞传感器则赢在自由度和速度——不受细胞生长束缚，反应条件可独立调控。这种功能上的互补，恰恰是代谢工程不同场景所需要的。
一个值得深思的维度是两类传感器的融合可能。无细胞系统可以快速验证传感器元件的功能，筛选出最优的调控模块后再转入活细胞体系使用；活细胞传感器筛选出的高产菌株，其关键代谢节点又可以用无细胞传感器做进一步的体外表征。这种“体外验证—体内应用”的循环，或许是未来生物传感器驱动代谢工程的一个重要方向。当然，原文摘要未提及这种整合策略的具体案例，这属于基于综述框架的合理延伸。
当前综述受限于篇幅，未提供具体的性能参数对比或典型案例数据。未来若能出现涵盖传感器动态范围、响应时间、检测极限等量化指标的系统性比较，将极大便利代谢工程研究者根据自身需求选择合适工具。原文摘要未详述这些参数。
参考来源
Seok J, Styczynski MP. Whole-cell and cell-free biosensor-driven metabolic engineering. Current Opinion in Biotechnology. PMID: 41260031.
PMID: 41260031