Behavioral, Physiological, and Transcriptional Mechanisms of Memory in a Synthetic Living Construct
该研究揭示了源自非洲爪蟾胚胎的无神经合成生物体 Xenobot 能够通过转录、生理及钙信号等机制,在短暂接触特定化学刺激后形成持久且特异的行为记忆,从而证明了非神经合成细胞群体具备感知、区分刺激及存储功能信息的能力。
68 篇论文
该研究揭示了源自非洲爪蟾胚胎的无神经合成生物体 Xenobot 能够通过转录、生理及钙信号等机制,在短暂接触特定化学刺激后形成持久且特异的行为记忆,从而证明了非神经合成细胞群体具备感知、区分刺激及存储功能信息的能力。
该研究利用流式生成模型 Proteus2 设计并验证了五种新型金属蛋白酶,它们能够以高特异性精准切割阿尔茨海默病关键致病因子β-淀粉样蛋白(Aβ)的不同位点,显著加速水解反应并成功将其降解为小片段,展示了基于序列引导的生成式方法在开发可编程特异性蛋白酶方面的巨大潜力。
本文提出了一种基于化学反应网络的鲁棒控制架构,能够实现多物种浓度乘积或任意单项式输出的稳态跟踪,并通过稳定性分析与数值仿真验证了该方法在构建高级自调节生物分子器件中的有效性。
该研究通过过表达大肠杆菌的 curli 和 Antigen 43 蛋白实现其在塑料表面的可编程粘附,并结合分泌 PET 解聚酶 PHL7,显著提升了聚对苯二甲酸乙二醇酯(PET)的生物降解效率。
该研究利用在 LuxR 家族 DNA 结合结构域上训练的变分自编码器,成功设计了具有混合及新颖启动子识别特性的嵌合转录因子,证明了通过采样潜在空间中间区域可实现蛋白质功能的理性整合与扩展。
该研究利用正交 DNA 复制系统(OrthoRep)对工程化酪氨酸合成酶进行连续超突变与进化,成功在酵母体内实现了从简单前体高效合成多种非天然氨基酸,并通过正交氨酰-tRNA 合成酶作为生物传感器筛选出能支持非天然氨基酸依赖翻译的酶变体,从而构建了一套完整的体内非天然氨基酸生物合成酶进化框架。
该研究报道了一种通过生物合成在活细胞内自主构建荧光纤维并实现神经元功能调控的变革性方法,为在生物体内直接构建神经电子接口和重写大脑连接提供了新途径。
该研究通过在大肠杆菌中优化硫同化途径、截短 P450 酶膜锚定结构域以及筛选最佳酶同源物,成功实现了包括苯基葡萄糖硫苷、酪氨酸衍生的 p-葡萄糖硫苷以及产量高达 1250 μM 的吲哚 -3-甲基葡萄糖硫苷在内的多种简单葡萄糖硫苷的高效微生物合成。
本研究提出了名为 Fung-AI 的 AI 驱动管道,利用生成对抗网络生成新型抗真菌肽,并通过计算筛选与实验验证成功发现了针对小麦和人类病原真菌具有活性且低细胞毒性的候选肽,证明了生成式 AI 在从头设计抗真菌药物中的概念可行性。
本文提出了名为 VenusRXN 的多模态深度学习框架,通过统一反应编码器与蛋白质语言模型,实现了基于化学反应而非序列同源性的酶发现,并在零样本条件下成功从数十亿蛋白质序列中精准筛选出能催化未报道反应(包括糖尿病药物中间体合成)的酶,从而开启了生物催化剂从头设计的新范式。
该研究表明,在模拟早期地球环境的周期性水合 - 脱水条件下,仅凭单组分膜的生物物理转变即可驱动原始细胞实现重复的包裹、生长、分裂及内部拥挤等类细胞动态,而无需依赖复杂的化学反应或代谢活动。
该研究结合随机生化建模与信息论分析,揭示了生物电路中逆向性对信息传输的制约机制,并提出了利用其触发状态转换的设计原则以及超越单纯增益调节的互补缓解策略,从而为细胞计算中的可编程信号处理提供了新的设计思路。
该研究通过将紧密调控的 CRISPRi 系统与自动化微型生物反应器(浊度恒化模式)相结合,成功克服了传统分批培养中蛋白残留和逃逸突变体的限制,在*Pseudomonas putida*中精确解析了必需基因沉默的时序动态及多组学响应。
该研究首次利用酵母中的转化相关重组(TAR)技术,通过混合牛痘、兔痘和改良安卡拉痘苗病毒基因组成功构建并拯救了五种具有多样化溶瘤活性的嵌合痘病毒,为开发下一代肿瘤治疗平台建立了通用技术体系。
该研究利用合成生物学策略,通过设计 - 构建 - 测试 - 学习(DBTL)循环在酿酒酵母中成功建立了工程化细胞外囊泡(EVs)的平台,证实了酵母 EVs 能够有效分选并富集人类蛋白(如 ExoSignal)及酵母同源蛋白(如 Bro1),从而为开发用于药物递送的定制化 EVs 奠定了基础。
该研究通过利用正交相互作用结构域将 PET 水解酶组装在模块化蛋白支架上,构建了协同多酶级联系统,有效克服了中间产物抑制并显著提升了 PET 生物回收效率,同时结合 MOF 固定化、乙二醇增值转化及全细胞催化等策略,为构建闭环 PET 循环经济提供了新途径。
该研究通过全面评估发现,现有的基因组语言模型(如 Evo 2 和 megaDNA)虽能捕捉局部序列统计特征,但在保留长距离基因组组织、重复元件及进化约束等关键生物学特性上存在系统性缺陷,导致生成的合成序列极易被区分,从而揭示了当前架构在真实基因组生成方面的根本局限性。
该研究通过构建高多样性荧光蛋白基因库并扩充训练数据,成功将机器学习模型的预测能力从外推转化为内插,从而实现了在自然序列分布之外发现功能性荧光蛋白的设计。
本文报道了通过用优化的自制 DNA 复制能量混合物替代标准商业混合物,显著改进了 CADGE 2.0 平台中化学修饰无细胞系统的转录 - 翻译偶联 DNA 复制效率,从而克服了体外定向进化中基因型 - 表型连锁建立与 DNA 回收的瓶颈。
该研究表明,利用大语言模型(如 Gemini 2.5 Pro)结合外部 API 进行合成核酸订单的客户合法性筛查,在准确率上可与人类专家媲美,同时在源质量、保真度及成本效益(仅为人工成本的约十分之一甚至五十分之一)方面表现更优,支持在合成生物学领域试点采用"AI 负责信息收集、人类保留最终决策权”的混合筛查模式。