据麦姆斯咨询报道，北京理工大学霍毅欣教授课题组在1区TOP期刊ACS Sensors（影响因子：8.1996）发表了题为“Application Evaluation and Performance-Directed Improvement of the Native and Engineered Biosensors”的综述。文章综述了转录因子生物传感器的机制和构建原则、在生物技术领域的应用、以及响应性能导向的改进策略。该工作以北京理工大学为第一通讯单位，硕士生李敏为第一作者，陈振娅研究员和霍毅欣教授为共同通讯作者。
蓬勃发展的生物技术经济依赖于生物工具和技术的不断进步。DNA合成在可支付性、成分标准化方面的提升以及计算机算法技术的进步，有力地推动了各种遗传元件在生物传感器开发中的应用。基于转录因子（transcription factor, TF）的生物传感器（transcription factor-based biosensor, TFB）因其具备模块化、多样性、集成化和可定制性等特点，受到了广泛的关注。TF本质上是一种具有特殊结构和功能的调节蛋白，会在响应特定生物信号时发生构象变化。生物体借助TF介导的调节作用来调控代谢通量，并维持整体代谢网络的平衡。TF在识别输入配体后，可以结合或游离于配对启动子区域内或附近的TF结合区（TFBR）。这种相互作用通过影响RNA聚合酶（RNAP）与启动子的结合来调节下游基因的转录。基于其传感特性，TF被广泛用于开发基于细胞或无细胞的生物传感系统，用于分子检测或途径调控。生物传感过程通常包括三个阶段：信号识别、信号处理和信号报告（图1）。输入信号通常是物理因素（如光、温度、渗透应力）或生化分子（如代谢物、环境污染物、有毒化合物、生物标志物、氧、和pH）。这些细胞内/细胞外生物信号通过基于TF的遗传回路进行处理，然后转导成其他信号进行定性或定量输出或通路调控。
图1 转录因子生物传感器概览
尽管TFB在各种应用中取得了进展，但利用野生型TF及其原始配对启动子发展而来的原生TFB仍然面临一些挑战。天然TF是进化用于维持微生物的生存和代谢平衡，而不是实验室场景。天然TFB特异性较差，难以区分结构相似的信号分子，容易导致假阳性。这些生物传感器狭窄的工作范围阻碍了对真正优质细胞的筛选。低灵敏度限制了低浓度信号分子的准确检测，使得环境或临床环境中的痕量分析不切实际。此文讨论了定制TFB特定功能和性能参数（如特异性、动态范围、灵敏度和操作范围）的工程策略，甚至实现激活和抑制的功能反转。此文深入讨论了通过改变TFB的组成元件来系统地改善TFB的性能，包括TF、TFBR、启动子、核糖体结合位点（RBS）和拷贝数（图2）。此外，此文还讨论了在多/跨学科合作的帮助下TFB的进展，如现象模型、基于深度学习的蛋白质结构预测、DNA功能序列预测和蛋白质从头设计。
图2 转录因子生物传感器的性能评估与改造
此外，这项工作提出了TFB在开发快速响应生物传感器和解决应用隔离挑战方面的未来方向；展望了人工智能（AI）技术和编程TFB遗传电路的各种模型的潜力。此文为构建和设计TFB的提供了技术建议和基本指导，促进了TFB在工业4.0中的更广泛应用，包括智能生物制造，环境和食品污染物检测以及医学科学领域。
此项工作得到国家自然科学基金委、河北省自然科学基金委和唐山市科技计划项目的资助，以及北京理工大学生物与医学工程公共实验中心的支持。
霍毅欣教授团队在BmoR生物传感元件的改造与应用已发表多篇高水平文章，例如Advanced Science, 2024, 11: 23；Chemical Engineering Journal, 2024, 491: 152076；Microbial Cell Factories, 2019, 18: 30；Metabolic Engineering, 2019, 56: 28-38；ACS Synthetic Biology, 2022, 11: 1251–1260。
https://pubs.acs.org/doi/10.1021/acssensors.4c01072
延伸阅读：
《即时诊断应用的生物传感器技术及市场-2022版》
《苹果在无创血糖监测领域的发明专利与产业布局分析》
据麦姆斯咨询报道，北京理工大学霍毅欣教授课题组在1区TOP期刊ACS Sensors（影响因子：8.1996）发表了题为“Application Evaluation and Performance-Directed Improvement of the Native and Engineered Biosensors”的综述。文章综述了转录因子生物传感器的机制和构建原则、在生物技术领域的应用、以及响应性能导向的改进策略。该工作以北京理工大学为第一通讯单位，硕士生李敏为第一作者，陈振娅研究员和霍毅欣教授为共同通讯作者。
蓬勃发展的生物技术经济依赖于生物工具和技术的不断进步。DNA合成在可支付性、成分标准化方面的提升以及计算机算法技术的进步，有力地推动了各种遗传元件在生物传感器开发中的应用。基于转录因子（transcription factor, TF）的生物传感器（transcription factor-based biosensor, TFB）因其具备模块化、多样性、集成化和可定制性等特点，受到了广泛的关注。TF本质上是一种具有特殊结构和功能的调节蛋白，会在响应特定生物信号时发生构象变化。生物体借助TF介导的调节作用来调控代谢通量，并维持整体代谢网络的平衡。TF在识别输入配体后，可以结合或游离于配对启动子区域内或附近的TF结合区（TFBR）。这种相互作用通过影响RNA聚合酶（RNAP）与启动子的结合来调节下游基因的转录。基于其传感特性，TF被广泛用于开发基于细胞或无细胞的生物传感系统，用于分子检测或途径调控。生物传感过程通常包括三个阶段：信号识别、信号处理和信号报告（图1）。输入信号通常是物理因素（如光、温度、渗透应力）或生化分子（如代谢物、环境污染物、有毒化合物、生物标志物、氧、和pH）。这些细胞内/细胞外生物信号通过基于TF的遗传回路进行处理，然后转导成其他信号进行定性或定量输出或通路调控。
图1 转录因子生物传感器概览
尽管TFB在各种应用中取得了进展，但利用野生型TF及其原始配对启动子发展而来的原生TFB仍然面临一些挑战。天然TF是进化用于维持微生物的生存和代谢平衡，而不是实验室场景。天然TFB特异性较差，难以区分结构相似的信号分子，容易导致假阳性。这些生物传感器狭窄的工作范围阻碍了对真正优质细胞的筛选。低灵敏度限制了低浓度信号分子的准确检测，使得环境或临床环境中的痕量分析不切实际。此文讨论了定制TFB特定功能和性能参数（如特异性、动态范围、灵敏度和操作范围）的工程策略，甚至实现激活和抑制的功能反转。此文深入讨论了通过改变TFB的组成元件来系统地改善TFB的性能，包括TF、TFBR、启动子、核糖体结合位点（RBS）和拷贝数（图2）。此外，此文还讨论了在多/跨学科合作的帮助下TFB的进展，如现象模型、基于深度学习的蛋白质结构预测、DNA功能序列预测和蛋白质从头设计。
图2 转录因子生物传感器的性能评估与改造
此外，这项工作提出了TFB在开发快速响应生物传感器和解决应用隔离挑战方面的未来方向；展望了人工智能（AI）技术和编程TFB遗传电路的各种模型的潜力。此文为构建和设计TFB的提供了技术建议和基本指导，促进了TFB在工业4.0中的更广泛应用，包括智能生物制造，环境和食品污染物检测以及医学科学领域。
此项工作得到国家自然科学基金委、河北省自然科学基金委和唐山市科技计划项目的资助，以及北京理工大学生物与医学工程公共实验中心的支持。
霍毅欣教授团队在BmoR生物传感元件的改造与应用已发表多篇高水平文章，例如Advanced Science, 2024, 11: 23；Chemical Engineering Journal, 2024, 491: 152076；Microbial Cell Factories, 2019, 18: 30；Metabolic Engineering, 2019, 56: 28-38；ACS Synthetic Biology, 2022, 11: 1251–1260。
https://pubs.acs.org/doi/10.1021/acssensors.4c01072
延伸阅读：
《即时诊断应用的生物传感器技术及市场-2022版》
《苹果在无创血糖监测领域的发明专利与产业布局分析》
