纳米流控赋能自下而上的合成生物学:无细胞分子系统研究新前沿

来源:ACS Synth Biol | 编译:DNA Lab Space

Nanofluidics for Pioneering Synthetic Biology of Bottom-Up Cell-Free Molecular S
▲ Nanofluidics for Pioneering Synthetic Biology of Bottom-Up C
Nanofluidics for Pioneering Synthetic Biology of Bottom-Up Cell-Free Molecular S
▲ Nanofluidics for Pioneering Synthetic Biology of Bottom-Up C

导语

合成生物学正从“改造现有细胞”走向“从零构建生命系统”的自下而上范式。然而,如何在无细胞环境中实现精准的空间分隔、分子操控与反应调控,一直是从头合成生物学面临的瓶颈。Wu等人在《ACS Synthetic Biology》发表研究,系统提出纳米流控技术与无细胞分子系统相结合的新思路,利用纳米尺度流体的独特物理化学效应,为构建可编程、可控、可演化的类细胞分子系统开辟了全新路径。该研究为合成生物学提供了一种“以物理限域驾驭分子随机性”的底层平台。

研究背景

传统的合成生物学以基因工程手段改造活细胞,依赖细胞自身的代谢与调控网络实现复杂功能。但活细胞系统存在难以避免的复杂性:基因回路与宿主背景相互干扰、代谢负担不可预测、系统鲁棒性不足,且许多“设计—构建—测试”循环受限于细胞生存需求。自上而下的改造策略在面临多基因协调与系统级别的涌现行为时往往力不从心。

相形之下,自下而上的合成生物学旨在利用非生命的生物分子(DNA、RNA、蛋白质、脂质等)在试管中重构生命的基本过程,如基因表达、酶促反应、自组装和信号转导。这种无细胞分子系统具有开放性强、可控性高、易于工程化等优势,被视为理解生命起源和制造人工细胞的重要途径。然而,无细胞系统通常在均质溶液中进行,缺乏细胞内的空间组织与物理边界。分子反应仅靠随机扩散相遇,难以模拟细胞中高度分隔、有序进行的代谢网络;同时,反应体积大导致试剂成本高、局部浓度难以精确控制;长时段运行还会因产物累积或底物耗竭而失去稳态。

因此,如何为无细胞系统引入类似细胞的空间异质性和动态调控能力,成为该领域的核心挑战。纳米流控技术在这一背景下进入合成生物学家的视野。纳米流控是指流体在至少一维尺寸为1–1000纳米的通道或腔室中的操控行为。在纳米尺度下,分子运动受到限域效应、表面电荷效应、双电层重叠和界面张力等物理规律支配,产生许多微观尺度不存在的奇特现象,如分子排序、选择性传输和超快混合。这些特性恰好可以为无细胞分子系统提供“人工细胞器”级的精准控制。

研究方法

Wu等人在论文中系统梳理并构建了纳米流控用于自下而上无细胞合成生物学的方法学框架,其核心技术路线可归纳为四个层次。

第一层次是纳米限域反应腔的构建。研究者采用电子束光刻、纳米压印和聚焦离子束等技术,在玻璃、硅或聚合物基片上加工出深度仅为数十至数百纳米的流体腔室。将无细胞基因表达系统(如大肠杆菌提取物或重组PURE系统)注入其中,使转录和翻译在纳米空间内受限进行。纳米腔室的比表面积显著增大,表面与体相比值可达10⁶以上,从而能够通过表面化学修饰对反应过程进行主动调节。

第二层次是纳米通道阵列的分子传输与逻辑控制。论文讨论了利用纳米通道网络连接多个反应腔室,实现分子在不同“人工细胞器”之间的定向输运。由于纳米通道的尺寸可与单个蛋白质分子或DNA链的直径相当,分子通过时产生位阻效应和电动力学筛选效应,从而实现尺寸选择性传输。作者提出,通过施加外部电压或浓度梯度,可以精确控制不同信号分子的通量和时序,进而构建类似细胞信号转导链的级联反应系统。

第三层次是液滴微流控与纳米液滴的融合。传统微流控乳化技术可生成皮升至飞升级别的液滴,每个液滴相当于一个独立的无细胞反应器。论文进一步将纳米结构引入液滴生成与操控平台,借助纳米通道或纳米探针实现对液滴内外物质交换的纳米级调控。这种技术使得在同一芯片上并行生成成千上万个组分各异的分子系统,每个液滴内部呈现均匀的纳米限域环境,从而大幅提高实验通量和数据统计可靠性。

第四层次是单分子实时分析接口的整合。纳米流控系统本身可作为高灵敏检测平台,利用零模波导或纳米孔阵列,对单个荧光标记分子进行实时监测。在无细胞反应进行的同时,研究者能够在单分子水平记录每一轮转录事件的起始、延伸和终止,以及与翻译机器的偶联过程。这种“反应—检测一体化”设计突破了传统批量实验只能获得群体平均信号的局限,直接揭示分子系统的异质性和随机动力学。

作者还重点介绍了多物理场耦合策略,如光镊、介电泳和温度梯度与纳米流控协同,用于可逆地控制分子在纳米空间中的定位状态。这些技术路线并非彼此孤立,而是可组合为“纳米限域—定向输运—并行反应—单分子追踪”的全链条研究框架,为无细胞分子系统的构建提供了多层次工具集。

研究结果

论文的核心成果在于系统论证了纳米流控技术如何从三个关键维度提升无细胞分子系统的性能。

首先,纳米限域显著改变了无细胞反应的热力学与动力学特征。作者综合已有实验证据指出,当无细胞基因表达系统被封装在纳米腔室中时,DNA模板与转录/翻译机器的有效碰撞频率发生变化,反应速率不再简单遵循体相溶液中的质量作用定律。由于纳米空间的体积只有阿升至飞升级别,极微量的反应物即可达到有效浓度,从而显著降低试剂消耗。更重要的是,限域效应可以改变基因表达产物的折叠途径——蛋白质在纳米狭缝中更倾向于形成功能性构象,减少非特异性聚集。论文强调,这种由物理空间带来的“分子整理”功能在体相溶液中难以实现。

其次,纳米通道网络实现了无细胞系统中多步反应的时空重构。研究展示了利用不同长度的纳米通道连接多个功能化反应区,能够在时间和空间上分隔转录、翻译和翻译后修饰过程。例如,上游腔室合成mRNA,通过电驱动穿过纳米通道进入下游富含核糖体的腔室进行翻译,这一过程中间产物在纳米通道内被引导而不会与上游模板发生交叉干扰。论文报道了这种“流控级联”策略使得基因表达输出呈现可预测的延迟和振幅调制,且可通过调整通道长度或施加电压动态调节。这相当于在试管中建立了类似细胞质中mRNA从细胞核向核糖体定向运输的空间秩序。

第三,论文强调了纳米流控在解析无细胞系统随机性方面的独特价值。在体相溶液中,基因表达的细胞间异质性被掩盖在群体平均信号中。而纳米流控阵列将大量独立反应隔离开,同时通过单分子光学技术记录每个微反应器的输出。结果显示,即使遗传背景完全一致,不同纳米腔室中的蛋白质产量也存在显著差异。这种本征噪声来源于DNA转录起始的随机性和分子数目有限时的泊松涨落。论文进一步分析发现,纳米限域通过限制扩散可降低“转录爆发”的频率但增加单次爆发的产物数量,从而调节基因表达噪声谱。该发现为无细胞系统中构建具有可调噪声特性的基因回路提供了物理控制手段,而这类参数控制对于建立可靠的细胞模拟系统至关重要。

此外,论文还提出借助纳米流控实现人工分子系统的超长时间运行。通过纳米通道持续向反应腔室供给ATP、氨基酸等底物,并同时排出抑制性代谢副产物,作者观察到了无细胞基因表达系统在纳米流控芯片上的稳态持续时间较批量反应延长数倍。这一突破意味着无细胞分子系统不再局限于“一次性”反应,而是能够像活细胞一样维持动态平衡,为构建持续运行的“人工细胞”打下了基础。

讨论与展望

Wu等人的工作跳出了传统温育试管式无细胞研究的局限,将纳米流控确立为一种“自下而上”合成生物学的使能平台。这种平台的本质贡献在于,它让研究者获得了对分子系统的空间序、时间序和随机性三重维度的主动干预能力。纳米限域不是简单地缩小反应体积,而是引入了与生物系统尺度匹配的物理边界,从而在分子层面复现了细胞内的拥挤环境与界面效应。

不过,当前纳米流控无细胞系统仍面临若干挑战。制作纳米级流控芯片的成本较高,批量一致性和重复性有待提升;流体在极度限域下的蒸发、气泡产生以及分子吸附问题尚未完全解决;此外,如何将复杂的生物化学反应网络(而非单基因表达)完整地整合到纳米芯片中,仍需要更为精细的多学科协作。论文建议,未来的发展应聚焦于模块化纳米流控元件库的建立,使不同实验室能够像搭建乐高一样组合“纳米腔室”“纳米阀门”“纳米泵”等标准部件,从而降低技术门槛,加速无细胞合成生物学的标准化进程。

从更宏观的视角看,纳米流控与自下而上合成生物学的结合,还可能为生命起源研究提供实验平台。在类似纳米孔隙的地质环境中,浓缩的化学分子可能自发形成自复制系统。通过纳米流控重现这一物理化学条件,研究者有望在实验室中观察从非生命分子向类生命功能系统过渡的中间形态。这一方向虽然尚处早期,但其潜在的科学意义极为深远。总之,这篇论文为无细胞分子系统的精准化、信息化和生命化研究绘制了一幅清晰的路线图,预示着合成生物学正在进入“纳米流控时代”。

参考来源

Wu S, Ma Q, Takai M, Xu Y. Nanofluidics for Pioneering Synthetic Biology of Bottom-Up Cell-Free Molecular Systems. ACS Synthetic Biology. DOI: 未提供(原文资料未标出)。

延伸阅读:更多代谢通路设计、多基因组装等合成生物学工具,可访问 DNA Lab Space

📎 相关文章

大肠杆菌代谢工程实现O-琥珀酰-L-高丝氨酸高效生产 09-12 从Gibson组装到无细胞表达 09-12 整合代谢工程与生物过程优化实现枯草芽孢杆菌表面活性素高产 09-12 基于染色质可及性的酿酒酵母基因表达水平多机器学习模型预测 09-12