首页 > 教程攻略 > ai资讯 >从头开始合成细胞:中国科学院携手亚洲百余课题组公布十年路线图

从头开始合成细胞:中国科学院携手亚洲百余课题组公布十年路线图

来源:互联网 时间:2026-06-04 13:48:30

编辑丨

从头开始合成细胞:中国科学院携手亚洲百余课题组公布十年路线图

在合成细胞学的王座之上,有一枚所有学者都希冀的明珠——从头构建一个完全人工合成的活细胞。说白了,就是要把一个被磷脂包裹的系统,从最底层开始,设计成一个能够自主表达基因、维持代谢、复制基因组、持续生长并完成分裂的“人工生命雏形”。

几十年来,人类在基因合成和单模块构建上确实进步不小,但始终卡在一个致命的瓶颈上:

如何让无数个核心功能模块,在时间和空间上达成完美的非线性协同。

简单来说,每个零件我们都能造出来,但把它们组合成一个“活”的系统,这事儿比登天还难。

为了打破这一僵局,由中国科学院领衔,汇聚了中日韩、新加坡、泰国、马来西亚等国家100多个顶尖研究团队的

SynCell Asia Initiative(亚洲合成细胞倡议)

,在《Nature Biotechnology》上正式发表了高赞评论文章「A framework for building a synthetic cell from the SynCell Asia Initiative」,首次向全球公布了其雄心勃勃的

十年战略路线图

。这份路线图,不仅是一份技术清单,更像是一份作战方案。

四大物理与工程学高墙

把一堆蛋白质、DNA和脂质丢进试管里,它们并不会自动变成生命。SynCell Asia路线图清醒地指出了横亘在人类面前的四座大山。先说说这四座大山究竟意味着什么吧,咱们一个一个来看。

第一座:代谢断流。

目前的无细胞系统,本质上是“吃老本”。它们依赖人类预先加进去的ATP、NADH等能量底物,用不了多久就会消耗殆尽,系统随即陷入死亡平衡。人造细胞必须学会自己利用初级原料,进行基因主导的能量再生,而不是坐吃山空。

第二座:核糖体瘫痪。

核糖体是蛋白质的工厂。在活细胞里,它的组装需要大量伴侣蛋白、RNA修饰和空间结构的精准配合。人工合成系统缺乏这些机制,导致合成出来的核糖体大都是“残次品”,无法自主循环再生,蛋白质合成很快就会戛然而止。生产线本身都坏了,产品自然无从谈起。

第三座:生物物理耦合。

我们知道细胞膜扩大需要脂质合成和渗透压,但新合成的脂质如何精准地补充到外层膜上,并与细胞体积的增大同步?细胞分裂需要膜弯曲和隔膜闭合,如何实现完美的拓扑学分裂?这些基础物理规则至今仍是未解之谜。

第四座:时空失控的细胞周期。

DNA复制、染色体隔离、细胞分裂,这三者在时间与空间上必须严丝合缝地同步。当前的人造环境缺乏这种高维度的多层次动态调节,经常导致DNA乱复制一通,而细胞却根本无法分裂。打个比方,引擎在疯狂轰鸣,但变速箱和车轮根本没挂上档。

图示:即将开放使用的SynCell Asia官网。

分两个阶段走

为了把这条路从“愿景”变成“工程计划”,SynCell Asia设计了两阶段路线,目标清晰,路径务实。

第一阶段

的核心任务是并行发展四个核心功能模块:代谢、基因组复制与分离、分裂机器、膜系统。随后把这些模块整合进一个

ProtoCell

。这个设计旨在实现模块制备与表征的自动化,从而加快“设计-构建-测试-学习”(DBTL)的循环,优化原细胞的组合模块组装流程。具体指标也很明确:

  • 囊泡稳定

    :尺寸在1-50 μm的磷脂囊泡,结构稳定维持超过7天。
  • 信息遗传

    :包含至少200个基因的最小基因组,单分子复制错误率控制在每10^6个碱基对中只有1到5个错误。
  • 基因表达

    :要能通过体外转录翻译覆盖

    至少90%

    的关键蛋白和RNA组分。
  • 代谢功能

    :关键代谢物的内部合成,通过工程化膜蛋白的受控运输,实现营养物质内流与代谢废物外排。

图示:使用智能细胞模拟原细胞的合成组织工程。

第二阶段

的目标是把ProtoCell推向

AutoCell

,也就是创造一个能够持续自我维护、自动复制、定向进化并出现集体行为的系统。这个阶段的关键,是把外源系统逐步替换为内生的、基因组编码的机器。最典型的例子就是引入

自我再生核糖体

,让表达系统本身成为可复制的内部模块。到了这一步,才算真正有了“生命”的雏形。

这一阶段的目标同样明确:要实现

超过10个连续、协调的生长-分裂周期

,且细胞大小分布的变异系数

小于15%

;同时还要支持定向进化,让代谢和形态在选择压力下持续优化。不再是造出一个就完事,而是要它能自我迭代。

AI驱动的循环

分布式、独立实验的模式之所以失败,是因为合成细胞的各种分子信号转瞬即逝,且不同实验室的标准根本无法统一。为此,SynCell Asia创新性地提出了

“中央工厂+分布式工作站”

的硬件架构。这个架构,可以理解为建立一个统一的“生命制造中心”,各地工作站只负责执行标准化操作。

统一的生物底盘、标准化协议、在线协调系统和资源分配机制,会让大规模数据的获取变得可能,而这些数据又将反过来用于训练预测模型和构建完善的进化库。数据是AI的燃料,有了充足的、高质量的数据,AI才能发挥作用。

此外,文章提出要发展

single-syncell omics

,在单个合成细胞的分辨率下,同步获取基因组、转录组、蛋白组和代谢组数据,再结合形态和功能成像,把“分子组成与细胞行为”之间的因果联系系统地映射出来。这意味着,我们不再只看到“发生了什么”,更能理解“为什么发生”。

多方协作发展

合成细胞是一个需要物理学、计算机科学、工程学、伦理学和社会科学共同推进的长期任务。文章呼吁多方重构资助机制、建立跨学科会议和开放工具链,把成功指标从单一的论文发表,转变为共享平台、联合benchmark和多站点复现。这个思路很开放,也很有远见。单打独斗的时代已经过去,只有协同作战,才能攻克这座生命科学的“珠穆朗玛峰”。