NAR |\u00A0模型“领航”：陈业团队开发跨物种转录元件智能设计平台

背景：合成生物学在从“读”到“写”的转化中，面临基因线路跨物种设计优化成本高、传统定向进化方法效率低、以及深度学习模型数据依赖性强且泛化能力不足的挑战。研究目的：中国科学院深圳先进技术研究院陈业团队旨在开发一个统一的计算框架，实现对原核生物转录调控的定量设计与优化，以克服上述局限。结论：团队成功开发了T-Pro平台，该平台融合生物物理模型与机器学习，通过热力学原理解耦调控参数，实现了数据高效预测与理性设计。平台能识别性能瓶颈参数，指导针对性改造，在三种亲缘较远的细菌中实现了转录元件性能的大幅提升（最高达20倍），并构建了稳定的跨物种细菌通讯线路，为合成生物学的理性设计与工程化提供了强大工具。