来源：ACS Synth Biol | 编译：DNA Lab Space
导语
无细胞表达系统是合成生物学的重要平台，但其定量预测精度长期受限于粗粒化模型的简化假设。加州理工学院Murray团队近日在《ACS Synthetic Biology》发表研究成果，构建了核苷酸级分辨率的化学反应网络模型，将无细胞蛋白表达系统的预测精度提升至全新水平。该模型通过系统解析三磷酸核苷酸代谢与转录翻译的偶联关系，实现了对基因表达动态的准确定量描述，为无细胞系统的理性设计与工程优化提供了有力工具。
研究背景
无细胞表达系统因其开放、可控、便于高通量操作等优势，已成为合成生物学领域的基础技术平台，广泛应用于蛋白质工程、代谢通路构建及人工细胞设计等方向。然而，无细胞系统的定量预测一直是制约其应用潜力的瓶颈问题。传统描述模型通常将转录和翻译过程简化为若干集总反应，无法准确捕捉核苷酸三磷酸（NTP）浓度变化对基因表达的动态调控效应，导致模型预测能力在不同实验条件下显著波动。
近年来，研究人员逐渐认识到，无细胞系统中的能量代谢与基因表达之间存在紧密的耦合关系。NTP不仅是转录和翻译的底物，还通过多种途径参与系统调控：一方面，NTP浓度直接影响RNA聚合酶和核糖体的催化效率；另一方面，NTP降解产生的焦磷酸等副产物又可能反馈抑制关键酶活性。这种多层次的调控关系使得粗粒度模型难以胜任定量预测任务。
针对上述问题，Jurado等人提出了一种新型建模策略——在核苷酸单碱基分辨率层面构建化学反应网络，将能量代谢与基因表达整合为统一描述框架。这一思路突破了传统模型将“能量供给”与“蛋白合成”分离处理的局限，为无细胞系统的精确建模开辟了新途径。
研究方法
研究团队采用系统化的建模-验证循环策略，整个技术路线包含以下关键环节。
模型构建阶段： 研究者首先以大肠杆菌无细胞表达系统为对象，建立了包含NTP合成与消耗、转录、翻译、mRNA降解以及能量再生等多模块的化学反应网络。该模型的特征在于将每个核苷酸的掺入过程显式建模，即转录过程被分解为逐个核苷酸的聚合反应步骤，而非传统模型中简化的单步反应。这一设计使得模型能够天然反映NTP浓度变化对转录延伸速率的定量影响。
参数估计与校准： 模型涉及的大量动力学参数通过多组独立实验数据联合估计确定。研究者利用定量PCR监测mRNA瞬时浓度，利用荧光报告蛋白跟踪蛋白质积累动力学，同时采用液相色谱-质谱联用技术精确测定反应体系中各NTP浓度的动态变化。在此基础上，采用贝叶斯参数推断方法进行全局参数优化，获得具有生物学合理性的最优参数集。
模型验证策略： 为严格检验模型的预测能力，研究者设计了多层次的验证方案。首先，在模型校准所用实验条件之外测试不同DNA模板浓度下的表达动态；其次，考察模型对外源添加NTP或NTP合成抑制剂等扰动条件的响应预测；最后，检验模型在不同启动子序列背景下的适用性，以验证模型是否具备一般性预测能力。
对比分析： 研究者还将所建模型与传统的集总模型进行系统对比，在相同数据集上评估两种模型的预测精度。采用Akaike信息准则（计算C）等方法权衡模型复杂度与拟合优度之间的平衡关系。
研究结果
研究获得了多项具有重要意义的实验结果。
模型预测精度显著提升： 核苷酸级模型在预测蛋白表达的时间动态曲线方面表现出优异性能，预测值与实验值的决定系数达到0.98以上，显著优于传统集总模型（约0.85）。特别是对于蛋白表达的延迟期、线性增长期和平台期等不同阶段的转变时间，模型均能给出精确定量刻画。
揭示NTP分配的关键调控作用： 模型分析表明，无细胞表达过程中NTP的利用效率并非恒定常数，而是随表达系统状态动态变化。转录取用NTP的速率与mRNA降解及其再磷酸化过程之间存在精密平衡，这种平衡状态的迁移是导致蛋白表达非线性动态的主要机制之一。传统集总模型无法捕捉这一效应，因而在预测长期表达动态时出现系统偏差。
外源扰动预测验证成功： 在验证实验中，研究者向系统中添加不同浓度的外源NTP或NTP合成抑制剂，模型准确预测了蛋白表达量的相应变化。特别值得关注的是，模型预测了在特定NTP比例条件下可能出现的“转录-翻译竞争”现象——即过高的NTP浓度虽然促进转录，却可能因底物竞争而抑制翻译效率。这一反直觉的预测得到了实验数据的证实，充分展示了核苷酸级建模的独特优势。
能量汇（energy sink）效应的量化表征： 通过对模型状态变量的系统分析，研究者识别出非特异性NTP降解作为无细胞系统中的重要“能量汇”途径，并量化了该途径对整体能量代谢的贡献。这一发现对于解释无细胞系统长时间运行后蛋白合成速率下降的机制性原因具有重要价值，也为系统优化指明了干预靶点。
模型泛化能力验证： 不同启动子序列下的独立验证实验表明，模型在保持参数不变的前提下仍能较准确预测蛋白表达动态，表明所建立的模型框架具有良好的泛化能力，并非仅适用于特定序列背景。
讨论与展望
该研究在无细胞表达系统建模领域取得了具有方法论意义的突破。通过将建模分辨率提升至核苷酸水平，研究团队成功实现了对NTP代谢与基因表达之间非线性耦合关系的定量描述，解决了长期困扰该领域的预测精度瓶颈问题。这一成果不仅表明精细建模策略在复杂生物系统中的可行性和价值，也为其他类型生物系统的定量建模提供了有益参考。
然而，当前模型仍有若干值得深化的方向。首先，模型尚未考虑核糖体与其他翻译因子的详细动力学及空间分布效应；其次，无细胞系统中的蛋白质聚集、辅因子再生等过程尚未纳入模型框架；最后，模型参数依赖体外实验数据的校准，其对复杂细胞提取物批间差异的敏感性尚需系统评估。未来研究可望在以下方向取得进展：将模型扩展至包含翻译延伸的氨基酸级建模；整合无细胞系统的空间非均一性描述；发展实时数据同化算法，实现模型引导的无细胞系统自适应控制。此外，该建模框架有望推动人工细胞设计中“设计-构建-测试-学习”循环的定量化进程，加速合成生物学从经验设计向理性工程的范式转变。
参考来源
Jurado Z, Pandey A, Murray RM. Nucleotide-Level Chemical Reaction Network Modeling Enables Quantitative Prediction of Reconstituted Cell-Free Expression Systems. ACS Synthetic Biology. DOI: （未标注）