来源：ACS Synth Biol | 编译：DNA Lab Space
体外重建的无细胞表达系统是合成生物学研究的重要平台，但其定量行为长期受底层核苷酸代谢反应的干扰。本研究将化学反应网络建模推进至核苷酸分辨率，系统刻画转录、翻译与能量再生过程，并在多个实验条件下实现对mRNA和蛋白质产量的准确预测。该工作为无细胞系统的理性设计、参数优化和数字孪生提供了全新工具，展现了从分子底物出发预测系统输出的强大潜力。
研究背景
无细胞表达系统通过在试管中重建转录和翻译机器，实现了不依赖活细胞的蛋白质合成。其中，由纯化重组元件组成的“重建型”系统（如PURE系统）组分明确、背景干扰小，是研究基因表达动力学和构建合成基因回路的理想底盘。然而，由于该系统包含多类酶和底物，其动态行为高度复杂，传统粗粒度模型往往只将转录和翻译视为简单过程，忽略核苷酸浓度变化对RNA聚合酶、核糖体活性以及能量代谢的深层影响。
事实上，核苷酸不仅是RNA合成的原料，还参与ATP依赖的能量供给和调控过程。随着表达反应的进行，核苷酸被大量消耗，辅因子浓度逐步下降，可能导致反应提前终止或产量偏移。若能够在“核苷酸级”分辨率上建立化学反应网络模型，将每个核苷酸的掺入、再生和抑制过程显式纳入计算，就有望从根本上提升无细胞表达系统定量预测的准确性，并为人工基因线路的设计提供更可靠的理论支撑。正是基于这一思路，本研究构建了一种前所未有的核苷酸级反应网络模型，并利用重建无细胞表达系统进行了系统的实验验证。
研究方法
研究团队首先定义了一个包含核心基因表达过程的化学反应网络。与以往将转录和翻译简化为单步反应的做法不同，该模型在核苷酸层面显式追踪ATP、UTP、GTP和CTP四种核糖核苷酸的浓度动态。转录过程中，DNA模板与RNA聚合酶结合后，每延伸一个核苷酸就消耗一个对应的NTP，同时释放一个焦磷酸分子；mRNA的合成速率因此不仅取决于聚合酶活性，还受当前四种NTP浓度的约束。类似地，翻译过程中，核糖体沿mRNA移动时，每个密码子的解码对应一个氨酰-tRNA的消耗，而氨酰-tRNA的生成则依赖ATP及GTP水解所提供的能量底物。
能量再生模块也以独立的反应方程式纳入模型，包括磷酸肌酸/肌酸激酶体系或者其他能够将ADP/AMP重新磷酸化为ATP的酶促反应。模型使用质量作用动力学描述各反应速率，建立常微分方程组，以时间为自变量，计算DNA模板、mRNA、蛋白质、核苷酸、能源底物以及副产物的浓度轨迹。所有动力学参数最初来源于文献报道或独立的活性测定，随后利用全局优化算法对部分关键参数进行校正。
实验验证使用重建型无细胞表达系统，报告基因表达产生荧光蛋白。研究在不同的初始DNA模板浓度、初始NTP浓度以及有无能量再生模块的条件下进行时间序列测量，实时记录荧光信号以表征蛋白质产量，并通过逆转录定量PCR或RNA适配体荧光法测量mRNA丰度。通过将实验数据与模型模拟结果进行反复比对，团队确认了模型的适用性，同时保留一组独立实验用于盲法预测验证，以评估模型的泛化能力。
研究结果
模型成功实现了对重建无细胞表达系统完整的动态行为预测。在DNA模板浓度变化时，模型准确捕捉了mRNA和蛋白质产量的非线性响应：低模板浓度下表达产量近似线性增加，高浓度下则因聚合酶与模板结合趋于饱和而进入平台期。更值得注意的是，初始NTP浓度的改变对系统输出具有显著影响，模型能够定量复现这种依赖关系，并指出核苷酸消耗是反应后期产量停滞的核心原因之一。
实验数据显示，当反应体系中四种NTP初始浓度降低至某一阈值以下时，表达产量急剧下降；模型模拟精确重现了这一阈值效应，说明核苷酸级反应网络对底物饥饿敏感性的刻画是正确的。同时，能量再生模块的加入能显著延长转录和翻译活性窗口，使蛋白质积累时间从不足一小时延长至数小时。模型定量预测了不同再生酶浓度下的增产幅度，与实验观测高度吻合。
进一步分析模型中各反应通量发现，在反应进行到后期，GTP的耗竭先于其他核苷酸，从而成为限速因素。这是因为翻译起始和延伸对GTP的需求量远大于转录对U/C/G的消耗。模型还揭示了焦磷酸积累对RNA聚合酶的反向抑制作用：若未在反应网络中纳入焦磷酸水解反应，数值模拟将明显高估mRNA的积累量，而实验数据则验证了抑制效应的真实存在。
盲法验证实验结果进一步表明，在不同DNA模板序列和启动子强度下，模型无需重新拟合即可在较宽动态范围内准确预测蛋白质产率。模型计算值与实验测量值的相对误差在可接受范围之内，证明了所建立的核苷酸级反应网络具备良好的通用性和可迁移性。此外，通过敏感性分析，研究团队识别出显著影响产量的几个关键参数，包括RNA聚合酶的延伸速率、核苷酸底物亲和力以及能量再生酶的转换数，为后续系统优化指明了方向。
讨论与展望
这项研究的核心价值在于将无细胞表达系统的建模分辨率从“反应类型”推进到“核苷酸分子”层面，使得模型能够捕捉到传统模型忽略的底物竞争和耗竭效应。基于核苷酸级反应网络，研究人员不仅能够解释实验中的非线性现象，还能在实验前定量预测系统行为，为无细胞基因线路的设计和工业酶生产中反应条件的快速优化奠定了基础。
当然，该模型仍然存在一定简化：例如尚未精细刻画核糖体在mRNA上的拥挤效应、蛋白质折叠和共翻译降解等复杂过程。未来若能与单分子动力学和随机模型结合，可望进一步提高预测精度。同时，将模型拓展到更多类型的无细胞系统，并引入自动化参数校正流程，将有助于实现“设计—建模—验证”闭环，加速合成生物学领域从经验设计向理性工程的转变。
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: 10.1021/acssynbio.（原文DOI未提供，以期刊正式记录为准）