合成生物学是一门将工程思维融入生命系统的迷人学科,它让科学家像设计电路一样重新编写和构建生物体。从设计能生产药物的微生物到创造可降解塑料的细菌,这一领域正在以前所未有的速度改变我们对生命的理解与应用方式。

在 Gist.Science 上,我们密切关注 bioRxiv 发布的每一篇相关预印本。我们的团队会对这些最新研究进行深度处理,提供既通俗易懂又保留关键细节的技术解读,帮助读者跨越专业术语的障碍,快速把握前沿动态。

以下为您精选了合成生物学领域最新发布的研究论文,它们代表了该方向上最激动人心的探索与发现。

📄 合成生物学

The Cepeda Framework: A Modular, Safety-First Preclinical Architecture for Testing Coordinated Multi-Hallmark Rejuvenation Hypotheses in Biological Aging

该论文提出了“Cepeda 框架”,这是一个经过 21,000 次双验证模拟循环优化的模块化、安全优先的临床前研究方案,旨在通过 3:2:1 的 OCT4:SOX2:KLF4 化学计量比、双重 miRNA 逻辑门控及九层安全防御体系,在确保不诱导多能性的前提下,协调针对衰老 12 大标志物的部分重编程干预策略。

Cepeda, C. J.2026-03-19
📄 合成生物学

A genetically encoded local learning rule enables physical learning in engineered bacteria

该研究通过工程化大肠杆菌实现了一种遗传编码的局部学习规则,利用质粒拷贝数比作为模拟权重并在全局负学习信号下通过生长偏倚进行重写,从而在单细胞及多菌株混合培养中成功演示了包括监督学习、逻辑门构建及类人工神经网络架构在内的物理学习过程,为活体物质的自适应计算和下一代细胞疗法奠定了基础。

Prakash, S., Varela, C., Walsh, M., Galizi, R., Isalan, M., Jaramillo, A.2026-03-19
📄 合成生物学

Selection-free whole genome transplantation revives dead microbes

该研究通过化学交联使受体细胞基因组失活,并利用全基因组移植技术将合成基因组植入其中,成功复活了“死亡”细胞,从而构建了首个由非生命部件组成的活体合成细菌细胞,并克服了以往依赖抗生素筛选导致的假阳性移植障碍。

Seidel, Z. P., Assad-Garcia, N., Paralanov, V., Wu, F., Chao, O., Strychalski, E. A., Romantseva, E. F., Goshia, T., Ven (…)2026-03-14
📄 合成生物学

Fung-AI: An AI/ML-driven pipeline for antifungal peptide discovery

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。

Berman, D. S., Lewis, L. M., Curtis, T. D., Tiburzi, O. N., Smith, D. F., Casadevall, A., Dunphy, L.2026-03-10
📄 合成生物学

Fundamental limitations of genomic language models for realistic sequence generation

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。

Tzanakakis, A., Mouratidis, I., Georgakopoulos-Soares, I.2026-03-02
📄 合成生物学

Evaluating AI-Assisted Customer Verification for Synthetic Nucleic Acid Screening

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。

Acelas, A., Palya, H., Flyangolts, K., Fady, P.-E., Nelson, C.2026-03-01