胡哲輝，徐娟，卞光凱

（1 中國科學院深圳先進技術研究院合成生物學研究所，廣東 深圳 518055； 2 華中農業(yè)大學園藝林學學院，果蔬園藝作物種質創(chuàng)新與利用全國重點實驗室，湖北 武漢 430071）

天然產物通常是指來源于動物、植物或微生物的次生代謝物。具有多種生物學功能及活性，廣泛應用于藥物、食品、營養(yǎng)添加劑和化妝品等領域［1］。特別是在癌癥治療和傳染病防治方面，天然產物藥物發(fā)揮著重要作用［2-3］。相較于傳統(tǒng)的有機合成分子，天然產物的結構更加復雜多樣，通常具有良好的生物活性和多種生物學功能。目前，新穎天然產物挖掘以及高附加值天然產物高效合成仍是該領域研究的熱點和難點。

迄今為止，研究人員已通過產物直接分離、同源激活和異源表達等策略挖掘了大量天然產物［4-5］。然而，這些經典的研究策略存在挖掘通量低和產物合成效率低等共性問題，難以滿足天然產物研究高速發(fā)展的需求［6-7］。為了解決這些問題，一方面，可利用基因組、代謝組和轉錄組等多組學方法挖掘新穎的天然產物生物合成元件；另一方面，可利用數據庫現有功能元件，對代謝通路和生物合成途徑進行理性設計和優(yōu)化，以構建高效底物供給的微生物底盤，實現目標產物的高效合成［8-9］。在過去的二十年中，研究人員已利用高效底物供給的微生物底盤實現了多種天然產物的高效合成，如生物燃料法尼烯［10］，抗瘧疾藥物青蒿素前體青蒿酸［11-12］，抗癌藥物紫杉醇前體紫杉二烯［13-14］，以及檸檬烯、瓦倫烯等香精原料［15-17］。

然而，在取得一系列研究進展的同時，天然產物生物合成研究仍面臨諸多挑戰(zhàn)。首先，在產物挖掘方面，隨著基因組數據的快速增長，功能未知的天然產物生物合成基因（簇）數量已遠超已知功能的基因簇。因此，如何有效利用海量基因組信息高效挖掘天然產物“暗物質”成為當前研究的熱點和難點［18］。其次，在產物高效合成方面，研究人員需要投入大量時間來對菌株和發(fā)酵生產工藝進行代謝工程、酶工程和發(fā)酵工程等多個方面的系統(tǒng)改造和優(yōu)化，以實現目標產物的高效合成［19-21］。此外，在產物篩選和檢測方面，快速、靈敏、高通量的目標產物篩選和檢測方法的匱乏仍然是限制其生物合成研究高效開展的瓶頸之一。因此，研究人員亟需開發(fā)更快速、靈敏且高通量的篩選和檢測方法，以推動天然產物的挖掘和高效合成改造過程。

針對上述問題，自動化高通量（automated high-throughput， Auto-HTP）技術在天然產物的挖掘、高效合成和快速篩選等研究領域逐漸得到廣泛應用，并取得了顯著的成果［22-23］。利用自動化高通量設備進行海量的工程化試錯，取代傳統(tǒng)的勞動密集型研究范式，能夠更快速、低成本、多循環(huán)地完成“設計-構建-測試-學習”這一閉環(huán)，實現天然產物的高效自動化挖掘，并為構建高附加值化合物細胞工廠提供可行方案［24-26］。本文聚焦于Auto-HTP技術在天然產物生物合成領域的應用。首先，介紹了相對于傳統(tǒng)篩選方法，高通量篩選的優(yōu)缺點，以及Auto-HTP工作站的組成部分和運行流程，并概述了目前國內外Auto-HTP基礎設施平臺的發(fā)展現狀。隨后，重點介紹了當前Auto-HTP技術在天然產物挖掘、高效合成和快速檢測方面的研究進展。最后，總結了目前Auto-HTP技術在天然產物生物合成領域面臨的挑戰(zhàn)，并展望了未來的發(fā)展趨勢。Auto-HTP技術的應用將為天然產物的深入挖掘和高效生物合成提供強大的支撐。

1 自動化高通量技術

1.1 自動化高通量技術的優(yōu)勢

Auto-HTP技術的發(fā)展始于20世紀90年代初，并隨著對高通量處理的需求不斷增加，進一步推動了小型化和自動化技術的發(fā)展［27］。自動化步驟包括取樣、稀釋樣品、混合樣品轉移、目標產物檢測以及數據分析等［28-29］。隨著新設備、新技術的推出，如菌落拾取器［30］、液體處理系統(tǒng)［31］、熒光激活細胞分選［32］和液體微流體技術［33］，Auto-HTP的應用范圍得到極大的擴展?，F如今，Auto-HTP已成為常規(guī)實驗室技術，在合成生物學的基礎研究和應用研究中得到廣泛應用。表1對比了傳統(tǒng)方法和Auto-HTP技術在天然產物挖掘、高效合成和快速檢測三個方面的特點，展示了Auto-HTP在天然產物生物合成領域廣闊的應用前景。

表1 傳統(tǒng)方法與自動化高通量方法在天然產物生物合成中的比較Table 1 A comparison of automated high-throughput and traditional methods in natural product biosynthesis

在利用“突變-篩選”策略獲取高產菌株的過程中，傳統(tǒng)方法通常使用瓊脂平板活性篩選，如基于透明圈或顏色圈的篩選，或是基于抗性瓊脂平板的選擇性篩選［34］［圖1（a）］。然而，這些方法對突變體間的微小差異的分辨率低，僅適用于對突變體庫進行初步篩選，并需要結合其他方法進行精確定量分析［35］。為了解決上述問題，基于熒光或吸光度精確檢測目標產物的微孔板篩選法應運而生，并已廣泛應用于酶和細胞工廠的定向改造［36-37］。通過引入自動單克隆采集系統(tǒng)、液體自動處理系統(tǒng)等自動化設備，研究通量得以提升，同時也顯著減少了人力和時間成本［38］。目前這些自動化設備可以代替研究人員完成一些耗時的實驗操作，包括分子克隆、質粒構建以及對應底盤系統(tǒng)中目標基因功能的測試等［圖1（b）］。目前已有研究人員將自動化高通量設備引入天然產物的挖掘領域，結合高產微生物底盤，有效解決了傳統(tǒng)天然產物挖掘過程中效率低和通量低的瓶頸，具體內容在將后文詳細介紹。

圖1 不同通量篩選方法的比較［41-42］Fig. 1 A comparison of different screening methods[41-42]

隨著生物技術快速進步和儀器設備的革新，熒光激活細胞分選（fluorescence-activated cell sorting，FACS）和液滴微流控分選（droplet-based microfluidic sorting，DMFS）技術在天然產物的快速檢測中得到了廣泛應用［31-32］。其中，FACS是一種基于流式細胞儀的高效熒光激活細胞分選技術，可根據單個細胞的熒光信號差異進行精確分選，其通量高達每秒106個細胞［39-40］。該技術已較為成熟，并適用于細胞內或細胞膜上的目標產物的篩選［圖1（c）］。對于胞外游離產物，則需要結合液滴微流控技術對單個細胞進行封裝，并對其周邊微環(huán)境進行分析［圖1（d）］［41］。此外，FACS和DMFS與生物傳感器、拉曼光譜等先進技術結合，可以進一步提高天然產物高產菌株的篩選通量和效率。

1.2 自動化高通量設施平臺的建立

在當前天然產物研究中，Auto-HTP的有效利用對于加快天然產物研究具有重要意義。通過自動化替代傳統(tǒng)的費時費力的常規(guī)操作，例如分子克隆和菌株構建，可以實現快速、大規(guī)模的工程試錯閉環(huán)運行，從而實現對自然界豐富天然產物資源的快速挖掘［43］。自動化高通量設施平臺在國內外得到積極發(fā)展，為自動化合成生物技術的進一步推動提供了支持。例如，美國伊利諾伊大學的iBioFAB（Illinois Biological Foundry for Advanced Biomanufacturing）、英國愛丁堡大學的EGF（Edinburgh Genome Foundry）和帝國理工學院為核心組建的SynBICITE（Synthetic Biology Innovation， Commercial and Industrial Translation Engine）等機構［24］。此外，全球合成生物設施聯盟（Global Biofoundry Alliance， GBA）的成立進一步促進了全球范圍內的合作和交流［44］。其中，中國科學院深圳先進技術研究院牽頭建設的“深圳合成生物研究重大科技基礎設施”與天津大學合成生物學前沿科學中心成為GBA中來自中國的發(fā)起單位［45］，展示了中國在該領域的重要地位和貢獻。

在合成生物學的研發(fā)過程中，快速試錯具有巨大優(yōu)勢。因此，除國家科研機構，自動化高通量篩選技術也成為企業(yè)的關鍵技能。包括Amyris、Ginkgo Bioworks、凱賽生物等國內外合成生物學領域重要企業(yè)，都已建立了高通量、自動化、數據化的篩選平臺，以縮短從菌株改造到實現量產的研發(fā)周期。Ginkgo Bioworks公司作為自動化平臺的先驅之一，其第一代自動化鑄造廠每月可完成多達1.5萬個自動化實驗，隨后推出的Biowork2進一步提高了設備集成度和小型化程度，使效率提升了6倍［46］。這些設施平臺在硬件方面采用微孔板作為載具，并配備自動化儀器，例如自動化移液工作站、自動冷凍離心機、恒溫培養(yǎng)箱、連續(xù)分液儀、封膜儀、撕膜儀、自動化PCR儀和自動挑克隆機器人等。這些儀器之間通過軌道機械臂對接，實現樣品、試劑和耗材在不同設備之間的自動化傳輸［圖2（a）］。同時，還需要一個集成軟件系統(tǒng)自動化控制儀器設備的正常運行［47］。以釀酒酵母為例，Auto-HTP工作站可自動化完成分子克隆、酵母轉化、菌株篩選等實驗室常規(guī)操作［圖2（b）］，極大地提高工作效率并節(jié)省了人力和物力成本。

圖2 自動化高通量工作站Fig. 2 Automated high-throughput workstation

隨著合成生物學技術的迅猛發(fā)展，自動化、智能化、信息化的研究平臺已成為工、農、醫(yī)等各大領域應用的科研利器。例如，伊利諾伊大學趙惠民教授團隊［48］開發(fā)了一種自動化組裝類轉錄激活因子感受器核酸酶（transcription activator-like effector nucleases， TALEN）蛋白的方法。該方法利用iBioFAB平臺實現DNA自動化組裝，每天可以構建多達1000個編碼TALEN蛋白的DNA，且每對TALEN表達載體的成本僅為商業(yè)售價的0.3%。此外，iBioFAB平臺可全自動對釀酒酵母基因組進行定向進化，快速獲得最具乙酸耐受能力的酵母菌株［49］。基于Auto-HTP平臺在其他領域展現的強大功能，我們有理由相信該策略將為天然產物研究提供強有力的支持。

2 自動化高通量技術在天然產物生物合成中的應用

2.1 天然產物的挖掘

傳統(tǒng)的天然產物挖掘策略通常是基于單一生物樣本，對其天然產物直接分離、同源激活、異源表達。這些經典策略一定程度上實現了天然產物的有效挖掘［4，50］。然而，在面對低豐度的產物挖掘時仍顯得捉襟見肘，且大部分研究仍局限于單個基因（簇）的異源表達，存在通量低、耗時長和效率低等問題［51］，使得天然產物的挖掘進入了瓶頸期。為應對這一挑戰(zhàn)，武漢大學劉天罡教授［5］提出“一類鑰匙一類鎖”的研究理念，并開發(fā)了一系列微生物萜類高產底盤，以充分釋放酶的產物合成潛力。這種方法顯著提高了產物產量，將研究效率提升了3～5倍，加速了萜類合酶的挖掘進程。

近年來，隨著基因組測序技術和生物信息學計算工具興起和蓬勃發(fā)展，使得大量微生物基因組信息得以擴展并存儲在數據庫中［52-55］。這為研究人員提供了大量功能未知的天然產物生物合成基因（簇），然而傳統(tǒng)的個性化挖掘策略難以滿足海量基因（簇）挖掘的需求。因此，劉天罡教授團隊［56］將自動化高通量平臺引入天然產物生物合成領域，并結合釀酒酵母高產底盤，對公共數據庫所有真菌來源稀有嵌合萜類合酶進行挖掘，成功地從34個新的嵌合萜類合酶中鑒定了24個二萜和二倍半萜產物［圖3（a）］，數量超過了已報道該類酶總數的一倍。該策略為萜類化合物的挖掘提供了一個強大而高效的方法，擺脫了對生物樣本的依賴，充分挖掘并利用數據庫現有資源。同時，實現了萜類合酶的跨物種批量研究和實驗過程的自動化，推動了萜類天然產物挖掘進入規(guī)?；妥詣踊芯侩A段［57-58］。

圖3 基于生物鑄造平臺對新功能萜類基因（簇）的高效挖掘及抗炎新分子mangicol J的高效合成［51，56］Fig. 3 The application of biocasting in efficient mining of new functional terpenoid genes (gene clusters) and the biosynthesis of mangicol J, a new anti-inflammatory molecule[51,56]

隨后該團隊采用組合生物合成策略，對絲狀真菌萜類合酶基因簇進行系統(tǒng)挖掘。開發(fā)了以米曲霉（Aspergillus oryzae）作為底盤的Auto-HTP生物鑄造體系，在自動化平臺上實現了從質粒構建、基因簇重建到生物活性篩選等全流程的高通量自動化操作。利用該方案，成功地重建了39個絲狀真菌萜類基因簇，構建了208個突變株，并檢測到185個萜類產物［圖3（b）～（e）］，將實驗周期縮短至29天，極大地提高了研究效率，并實現了研究方法的迭代升級。通過該方案，獲得具有顯著抗炎活性的二倍半萜產物mangicol J［圖3（c）］，并揭示了其生物合成機制［圖3（d）］。通過代謝途徑改造，將mangicol J產量提升了111倍［圖3（e）］［51］。這一“基于微生物高產底盤和生物鑄造平臺”的萜類產物創(chuàng)新挖掘策略，為萜類產物的挖掘和開發(fā)提供了包括“基因簇挖掘—活性篩選—生物合成機制解析—產物高效合成”等流程在內的高效解決方案，克服了傳統(tǒng)挖掘方法中通量低的限制。相信該策略將在未來推動其他類型天然產物的快速挖掘，并加速天然產物研究領域的發(fā)展。

2.2 天然產物的高效合成

微生物細胞工廠在生物制造中扮演著重要的角色，但通常需要經過多輪迭代改造才能滿足實際的生產需求。這一過程中，高效獲得具有目標特性的工程菌株至關重要［59］。然而，受通量低和檢測速度慢等多種因素限制，傳統(tǒng)方法在突變體大規(guī)模篩選時耗時較長［32，60］。通過Auto-HTP可以快速高效地對一系列底盤細胞進行多維改造，從而獲得高效天然產物微生物細胞工廠。例如，Amyris公司的自動化菌株改造平臺可以實現對底盤細胞的持續(xù)改造，配置的高通量、自動化、數據化的篩選系統(tǒng)每周平均可以篩選出350個高產法尼烯菌株，顯著縮短了從菌株改造到實現量產的研發(fā)周期。利用該平臺成功在人工酵母中合成角鯊烯，用于替代傳統(tǒng)的鯊魚肝油提取方法［44］。這種技術不僅為醫(yī)藥、食品等多個領域提供了優(yōu)良的細胞工廠，也是實現“造物致用”的重要手段之一。

近年來，研究人員通過不同的檢測原理和針對各種產物的策略，成功提高了多種天然產物工業(yè)菌株產量，為工業(yè)生產帶來了可觀的經濟價值［61-63］。例如，Lauchli等［64］成功合成了一種含有異戊二烯二磷酸的乙烯基醚，其結構類似于FPP，經萜類合酶（terpene synthase，TPS）催化后該分子會釋放出甲醇。接著，在倍半萜合酶BcBOT2定向進化過程中，研究人員使用甲醇偶聯酶測定法對萜類產物hemiacetal進行測定，并利用高通量篩選技術對2800個突變株進行篩選。在保證產物組成、酶活等其他特性不變的前提下，大幅提升了該酶的熱穩(wěn)定性。這一技術的應用成功加速了hemiacetal的工業(yè)化生產研究進程，同時也為其他具有工業(yè)應用價值的萜類化合物研究提供了一種可行的方法。Furubayashi等［65］開發(fā)了一種基于底物競爭的TPS高通量比色測定方法，通過TPS與類胡蘿卜素合成途徑對底物的競爭導致最終溶液的顏色深淺差異，來評估紫杉二烯合酶、馬兜鈴烯合酶、香葉醇合酶的活性。Zhou等［66］通過易錯PCR對酪氨酸解氨酶（tyrosine ammonia-lyase，TAL）進行隨機誘變，并利用auto-HTP快速、高通量篩選高產突變株，通過檢測315 nm處的吸光度從眾多突變株中篩選出3種對香豆酸生產滴度最高的：MT-S9N，MT-A11T和MT-E518V。對三位點同時突變（MT-S9N/-A11T/-E518V）進一步提高了酶活性，相較于野生型TAL提高了65.9%。

此外，研究人員通過改進傳統(tǒng)的微生物培養(yǎng)方法，不僅提升了培養(yǎng)通量和培養(yǎng)能力，還進一步降低了試劑耗材的消耗和勞動力成本［67-68］。其中，由我國研究人員研發(fā)的微生物微液滴培養(yǎng)儀，能夠利用液滴微流控、光電傳感與控制和自動化技術，實現微生物液滴的平行培養(yǎng)、生長曲線測定和適應性進化［69］。該系統(tǒng)在常見微生物如大腸桿菌、釀酒酵母和乳酸桿菌等方面表現出穩(wěn)定的傳代能力，使微生物能夠實現自動化、高通量自適應性進化，從而獲得在某些脅迫條件下耐受性增強的菌株［70-71］。鑒于該系統(tǒng)的高度綜合性和多功能性，未來可在微生物培養(yǎng)條件的多因素優(yōu)化［72］以及單細胞液滴的高通量培養(yǎng)［73-74］等方面得到廣泛應用。

2.3 天然產物的檢測

在開發(fā)各類天然產物高效合成細胞工廠的過程中，準確檢測和精準定量目標代謝至關重要。傳統(tǒng)的檢測方法，如氣相色譜、液相色譜、質譜和核磁共振［75］，已廣泛應用于天然產物的檢測。然而這些方法存在一些限制，如耗時長、通量低以及對目標產物的產率和純度要求較高。為此，近年來涌現出一系列天然產物高通量的篩選方法，如基于紫外/可見光譜、熒光光譜和生物傳感器的熒光篩選方法。紫外/可見光譜適用于具有相對復雜分子結構或帶有顏色的天然產物，如阿維菌素［32］、番茄紅素［76］、頭孢菌素C等［77］，可以通過直接測量吸光度進行篩選。對于那些沒有明顯吸光度特性的產物，可以通過添加pH指示劑、與金屬離子螯合、與酶或化學反應偶聯來檢測［30，78-79］［圖4（a）］。該方法已廣泛應用于傳統(tǒng)天然產物檢測中，并且由于酶標儀體積較小，更易與自動化設備整合，進一步提高了檢測通量和效率。例如，趙惠民團隊［80］將iBioFAB自動化平臺與機器學習算法相結合，通過吸光度對番茄紅素進行精確定量，實現了番茄紅素生物合成途徑的快速迭代優(yōu)化。與紫外/可見光譜類似，基于熒光光譜的HTP可以根據目標產品的特性分為直接和間接檢測方法［圖4（b）］。例如，Gao等［81］通過重組紅色熒光蛋白篩選纖維素酶，將內切葡聚糖酶活性提高了1.6～2.3倍。使用熒光染料/探針進行篩選也是常見方法，例如使用熒光染料標記死細胞或活細胞［32］，用羅丹明定量甲萘鯤和聚蘋果酸［82-83］。另外，利用（2S）-柚皮素與金屬離子相互作用產生的紫外熒光光譜，可以實現（2S）-柚皮素的快速檢測［84］。此外，基于產生熒光信號的化學或酶偶聯反應的方法也廣泛應用于改良工業(yè)微生物菌種的篩選［85-86］。相較于傳統(tǒng)的氣相/液相色譜法，這些方法有著便捷、迅速、高通量的特點，并且易于實現自動化，將成為未來助力天然產物快速檢測的重要工具。

針對無法通過直接或間接顏色或熒光反應檢測的天然產物，生物傳感器的熒光篩選策略可作為一種替代方案［87-88］。細菌感知環(huán)境中特定分子并相應地觸發(fā)代謝反應的能力為生物傳感器的開發(fā)創(chuàng)造了許多機會［89］。生物傳感器由傳感器和報告器兩部分組成，其中傳感器能夠識別特定的細胞內代謝物，而報告器則通過一系列與傳感器信號響應的程序化遺傳回路產生定量信號。生物傳感器分為蛋白質和核酸兩種類型。蛋白質生物傳感器通常以轉錄因子和熒光蛋白為基礎［90］。例如，Sun等［91］鑒定到一種能夠與白藜蘆醇發(fā)生反應的MarR轉錄因子，利用該轉錄因子開發(fā)的生物傳感器能夠有效區(qū)分白藜蘆醇與其前體物質［原理如圖4（c）①、②所示］，在一輪FACS中，熒光響應強度較對照組提高了667倍。另外，核酸生物傳感器則是以核糖開關為基礎，核糖開關是在細菌mRNA的5′-UTR中發(fā)現的調節(jié)元件，當與特定代謝物結合后，會誘導構象變化，并對下游基因進行轉錄和調控［92］。例如，Xiu等［93］設計了一種響應柚皮素的RNA核糖開關生物傳感器，當該生物傳感器與柚皮素結合后，基因表達激活熒光信號產生［原理如圖4（c）③所示］。經過遺傳改造的生物傳感器，可實現對天然產物快速、實時的檢測和高效的篩查。此外，將生物傳感器與其他先進高通量技術（如FACS和DMFS）相結合，可以進一步提升自動篩選的效率［94］。

除了上述方法外，基于拉曼光譜、傅里葉變換紅外光譜（FTIR）和傅里葉變換近紅外光譜（FTNIR）等先進儀器平臺的光譜技術也正在逐步得到應用。其中，拉曼光譜具有快速、靈敏、無損、實時檢測等優(yōu)點。例如，Wang等［96］開發(fā)了一種集成的拉曼激活液滴分選微流體系統(tǒng)，實現了高產蝦青素雨生紅球藻的精確化、高通量、高活性保持的分選。與拉曼光譜類似，FTIR和FTNIR也是無損分析方法，具有高通量和快速自動檢測的優(yōu)點。將這些光譜技術及其先進的成像技術與Auto-HTP相結合，在天然產物的生物合成中具有巨大潛力。

3 總結與展望

當前，人類正面臨日漸嚴峻的挑戰(zhàn)，包括疾病肆虐、環(huán)境破壞和能源枯竭等。在過去的一個多世紀中，天然產物作為“環(huán)境友好”型先導分子，在醫(yī)藥健康和農業(yè)生產領域發(fā)揮著重要作用，并得到廣泛應用［97］。生物信息學分析表明，目前僅有3%的細菌來源天然產物被發(fā)現，即使是深入研究的類群如鏈霉菌，仍存在大量未知的天然產物有待挖掘［98］。合成生物學作為新興的科學領域，在生物醫(yī)藥與大健康、生物化工、食品與農業(yè)等領域已經取得了多項標志性成果［99-100］。在合成生物學理念指導下，天然產物的挖掘效率得到進一步提升。例如，Yuan等［51］采用“bottom-up”策略將39個基因簇重構為208個突變株，獲得185種產物，充分釋放了基因簇中各個酶的催化潛力。此外，合成生物學工具，如各種微生物高產底盤和經遺傳改造的生物傳感器，在天然產物的高效合成和快速檢測方面起到了重要的支持作用。因此，在合成生物學理念指導下，配備Auto-HTP平臺，可以更高效、充分地挖掘自然界中的天然產物“暗物質”。

雖然Auto-HTP在不同領域中取得了應用并提高了通量，并實現了自動化，但仍然面臨一些挑戰(zhàn)。首先是成本問題，建立一套完整的auto-HTP工作站需要多臺昂貴且維護成本高的機械自動化設備，如菌落自動拾取器和液體處理系統(tǒng)，這限制了其廣泛應用。其次，一些HTP系統(tǒng)（如DMFS）操作過程復雜且技術性強，且現有裝置多由實驗室研制，仍未得到大范圍推廣［101-102］。再次，目前主流的FACS和DMFS依賴熒光信號進行檢測，雖然已有基于吸光度和拉曼光譜的DMFS報道［95，103］，但其靈敏度和篩選通量遠低于標準要求，難以滿足實驗需求。最后，目前仍缺乏高度集成的工程化研究平臺，以進行系統(tǒng)化的天然產物資源研究和挖掘。

雖然仍面臨諸多挑戰(zhàn)，但自動化合成生物技術在天然產物生物合成領域已取得廣泛應用。我國已建成或正在建設多個大型合成生物學基礎設施平臺，并將依托這些平臺進一步挖掘未知生物合成元件、代謝途徑和天然產物?；诤铣缮飳W策略，研究人員可以從改造催化途徑酶、整合生物途徑和化學途徑，以及改造底盤細胞等方面著手，以實現高價值天然產物的高效合成［104］。隨著人工智能的快速進步和生物大數據的不斷發(fā)展，我們相信，當前Auto-HTP運行模式有望進一步提升，并降低成本。

綜上所述，自動化合成生物技術近年來在天然產物的生物合成領域取得了多項突破性進展。但作為近十年來迅速發(fā)展的研究手段，其仍處于發(fā)展初期［27］，需要合成生物、信息技術、自動化等多領域的研究人員共同協作，對設施平臺進行不斷的更新和優(yōu)化。盡管還存在著諸多不成熟的地方以及有待進一步解決的問題，但相信其具備的獨特優(yōu)勢將會為天然產物的深入挖掘和高效生物合成提供強大支撐，為新型天然產物功能產品的開發(fā)提供可持續(xù)來源。