AI设计的基因拼接技术让人工基因电路更持久

在合成生物学领域，一个长期存在的难题是外源基因在宿主细胞中随时间推移逐渐失去功能，这种现象被称为“进化不稳定性”。这是因为表达这些外来基因会给细胞带来代谢负担，导致那些发生突变、停止表达该基因的细胞反而更具生存优势，最终取代原有细胞群体。这严重限制了合成生物系统在工业生产和环境应用中的长期有效性。

为解决这一问题，研究人员开发了一种名为STABLES的新策略。其核心思想是将需要稳定表达的目标基因（GOI）与细胞自身的一个必需基因（EG）物理性地连接在一起，形成一个单一的基因片段。这样，如果细胞发生任何破坏目标基因的突变，也会同时破坏这个必需基因，从而导致细胞死亡。因此，只有保留完整基因序列的细胞才能存活，有效防止了功能丧失型突变的扩散。

为了优化这一设计，研究团队利用机器学习模型，根据基因的密码子使用偏好、GC含量、mRNA折叠能量等生物信息学特征，预测并筛选出最适合与特定目标基因配对的必需基因。实验表明，不同的必需基因对稳定性的影响差异很大，证明了智能筛选的必要性。

此外，该策略还包含几个关键优化环节：一是选择合适的连接肽（linker），以减少两个融合蛋白之间相互干扰和错误折叠的风险；二是对整个DNA序列进行优化，避免容易发生突变的“热点”区域，并调整密码子以匹配宿主细胞的翻译系统，从而提高表达水平和稳定性；三是引入一个“渗漏”的终止密码子。这种特殊的密码子有时会被核糖体忽略，从而产生两种蛋白质：一种是单独的目标蛋白，另一种是目标蛋白与必需蛋白的融合体。通过精确控制这种“渗漏”程度，可以确保产生足够多的目标蛋白用于生产，同时只生成维持细胞生存所需的最低量融合蛋白，进一步增强了系统的稳定性。

研究人员在酿酒酵母中验证了该方法的有效性。他们分别测试了绿色荧光蛋白和具有重要工业价值的人胰岛素原。结果显示，采用STABLES策略的菌株，在长达30至50天的连续培养中，目标蛋白的产量衰减远低于传统方法。例如，对于胰岛素原，传统设计在30天后产量仅剩7%，而STABLES设计在50天后仍能保持85%以上的产量，总产量提高了五倍。纳米孔测序结果也证实，对照组的基因序列几乎完全丢失，而STABLES组的基因结构则基本完好。

这项研究的意义在于，它提供了一种通用、可扩展且不依赖于特定生物体的方法来增强合成基因线路的进化稳定性。由于其核心组件（如必需基因筛选、密码子优化、渗漏终止密码子）在多种生物中都适用，因此该策略有望被广泛应用于细菌、真菌乃至哺乳动物细胞中，为生物制造、基因治疗和环境修复等领域带来更可靠、更高效的工程化生物系统。