在人工生命體精準編程的“黃金時代”，合成生物學作為融合工程學、計算機科學與分子生物學的交叉學科，正通過“設計-構建-測試”的循環模式重塑生物制造范式。這一領域不僅被列為全球科技競爭的戰略高地，更在醫藥研發、碳中和、農業升級等關乎國計民生的賽道上展現出顛覆性潛力。其核心突破點表現在三個方面：酶元件的催化效能革新決定了生化反應效率上限，基因調控元件的精準控制是復雜回路穩定運行的基礎，而代謝途徑的系統性設計則直接關系到目標產物的全局產出。三個技術如同精密咬合的齒輪，共同決定了細胞合成工廠的效率。

近日，蘇州醫工所馬富強研究團隊圍繞上述合成生物學相關技術開展了系統工作：

工作1 新型酶資源的高效挖掘：研究團隊利用生物信息學結合人工智能方法，從微生物基因組數據庫中挖掘出一系列具有更高催化效率和特異性的新型谷氨酰胺轉氨酶 (TGs)，最優新酶比商品化的酶活性高2.3倍。新型轉谷氨酰胺酶（TGs）在酪蛋白（casein）交聯實驗表明，新酶SwTG和StTG的交聯效率遠超傳統酶SmTG。本工作不僅驗證了新型TG變體的催化性能，強調酶的實際適用性，揭示了“活性≠交聯效率”的規律，為酶工程和生物制造提供了理論指導和技術工具。

圖1.?對本項目挖掘的高效TG酶進行分子機制及構效關系解析，包含了分子動力學模擬結果、口袋體積變化以及酶表面和催化口袋內帶電殘基的分布，從結構上解釋了影響TG酶催化活性的分子機制。

工作2 機器學習賦能啟動子調控元件設計：研究團隊將機器學習與合成生物學相結合，建立了基于深度學習的啟動子預測模型，能夠根據目標基因的功能和表達需求，精準設計具有特定調控功能的啟動子。此外還提出了“啟動子設計-強度預測-優化調控”的閉環設計思路，通過機器學習模型預測啟動子強度，并根據預測結果進行優化，實現了對基因表達的精準控制。

圖2.?利用深度學習輔助生成新型啟動子的兩種方法：左圖，通過對現有啟動子引入突變或隨機生成新序列來創建新的序列。這些新生成的序列通過啟動子識別模型進行篩選，以驗證其功能；右圖，使用擴散模型或生成對抗網絡（GANs）來生成新的啟動子。擴散模型通過添加高斯噪聲逐步生成啟動子序列。GANs?由生成器和判別器組成，生成器負責生成假樣本，而判別器用于區分真實樣本和生成的假樣本。通過訓練過程不斷優化生成器的性能，使其能夠生成更逼真的啟動子序列。本圖直觀地展示了深度學習在啟動子設計中的潛力，允許研究人員精確控制基因表達，從而調節代謝途徑和生產重組蛋白，這對于合成生物學、代謝工程和治療開發等領域具有重要意義。

工作3 人工智能優化代謝途徑：相較于傳統代謝途徑的依賴于實驗經驗和理性設計、效率較低、難以滿足精準調控的需求等特點，研究團隊利用人工智能技術設計了一種新型膠原蛋白模擬肽 (CMP)，并通過構建大腸桿菌細胞自溶系統，實現了?CMP 的高效生物合成。該CMP 具有與天然膠原蛋白相似的優良性能，例如良好的生物相容性、生物降解性和功能性，并展現出在止血領域應用的潛力。這項研究成果為利用大腸桿菌細胞工廠生產功能蛋白或天然產物提供了新的思路，并為 CMP 的高效制備提供了技術支持。

圖3.?使用靜止期啟動子誘導細胞裂解蛋白表達后，細胞密度和?CMP-E3?表達水平的變化。本工作比較了不同啟動子（PkatE,PbolA,Pdps,PosmY,PcsiE,Pfic）對細胞裂解效率和?CMP-E3?產量的影響。實驗結果表明，通過選擇合適的啟動子，可以實現細胞裂解的動態控制，從而維持細胞密度在最佳水平，促進?CMP-E3?的表達。本研究為開發用于生產具有止血作用的?CMP-E3?的新型生物技術平臺提供了重要的理論和實踐基礎。

上述研究成果展示了團隊在酶元件、啟動子、代謝途徑這三大合成生物學核心技術領域均取得進展，相關論文陸續在Trends in Biotechnology、International Journal of Biological Macromolecules、ACS Synthetic Biology等知名期刊上發表： ?

(1)Xinglong Wang,Jingwen Zhou,Lianqun Zhou*,Fuqiang Ma*. Recent Advances in Promoter Design Assisted by Deep Learning. Trends in Biotechnology,2025,https://doi.org/10.1016/j.tibtech.2025.05.008（IF：14.3，中國科學院1區TOP）

(2)Xinglong Wang#,Qiming Chen#,Zhongshi Huang,Yanna Lin,Jingwen Zhou,Fuqiang Ma*. Discovering Novel Streptomyces species Transglutaminase Inducing Efficient Protein Cross-within Foods. International Journal of Biological Macromolecules,2025,313,144283（IF：7.7）

(3)Xinglong Wang,Qiming Chen,Zhongshi Huang,Jiayao Han,Chen Xu,Jingwen Zhou,Lixing Zhang,and Fuqiang Ma*. Engineering an Escherichia coli autolytic system for overexpression a collagen-mimetic peptide with enhanced hemostatic activity. ACS Synthetic Biology,2025,14,1701-1709.（IF：3.8，中國科學院分區小類1區）

馬富強研究員、周連群研究員為通訊作者，該研究得到了國家重點研發計劃、國家自然科學基金、中國科學院青年創新促進會、蘇州市基礎研發試點項目等多個國家級、省部級項目的支持。