生物系统中空间计算的工程化实现

生物系统中空间计算的工程化实现

Engineered implementations of spatial computation in biological systems

https://www.sciencedirect.com/science/article/pii/S1084952125000412?spm=a2ty_o01.29997173.0.0.153c55fbxVr0GT

摘要

生物计算领域通过利用自然细胞过程进行复杂信息处理，已取得显著进展。本综述探讨了工程化生物计算中空间分布和区室化框架如何超越传统的单细胞逻辑系统。通过模拟形态发生素梯度和细胞区室化等自然现象，合成空间计算系统有潜力实现可扩展性、鲁棒性和适应性。通过整合空间计算和自适应计算，合成生物学可以应对超越传统计算架构的复杂计算挑战，为新型治疗、环境和诊断工具铺平道路。

1. 引言

近几十年来，生物计算领域在工程化能够处理、存储信息并据之行动的生命系统方面取得了显著进展。其核心在于，生物计算利用活细胞的天然信息处理能力，包括基因调控和细胞间通信。合成生物学利用这些固有机制，将计算的边界扩展到模仿传统数字系统乃至超越它们的领域[1-3]。合成生物计算的早期工作集中于设计能够在单细胞内执行布尔逻辑运算的基因回路。这些回路模仿电子逻辑门（如与门、或门、非门）的行为，是细胞计算的概念验证系统[4]。然而，这些方法面临着重大挑战，包括代谢负担、噪声以及细胞内环境的有限可扩展性[5-7]。为克服这些挑战，新方法将计算负担分布在多细胞群体和空间分布系统中，从而催生了空间计算的出现——这是一个基于生物系统利用空间处理信息能力的概念框架。该方法通过利用细胞-细胞信号传导和区室化等自然生物过程的优势，克服了单细胞系统的局限性[8]。

在自然系统中，空间计算使细胞能够解读并响应其在组织或环境中的位置情境。这一现象在形态发生等发育过程中显而易见，细胞通过解码空间信号，基于称为形态发生素梯度的可扩散信号分子形成复杂图案[9]。生物系统的另一个标志是区室化，它通过在明确边界内物理隔离过程来提高计算效率。在真核细胞中，细胞核和线粒体等细胞器就是区室化的例子，它们促进专门化和并行的生化通路。合成系统正开始被设计来模拟这种自然区室化，利用脂质囊泡和微流控设备等构建体[10]。正如我们将要论述的，空间计算和区室化使生物系统能够执行复杂且自适应的计算，这可能超越传统电子系统的灵活性和鲁棒性[2,11]。

这些发展也可以在更广泛的计算背景下理解；早期的合成生物系统主要实现了算法数字逻辑，其中离散输入产生确定性输出。相比之下，空间分布的生物系统越来越多地将算法和控制论计算原理[12]相融合，将显式逻辑运算与自然系统标志性的自适应和反馈驱动动力学结合起来。在本综述中，我们强调生物空间计算如何跨越数字和模拟两种模式，既利用编程算法，也利用由反应-扩散动力学、连续反馈和细胞响应塑造的涌现动态过程。在本综述中，我们探讨生物空间计算的工程化实现，重点关注空间分布和群体层面的框架（图1）。本文讨论的方法分为三类：利用混合群落的分布式计算，也称为液体计算（图1A）；空间区室化计算（图1B）；以及空间分布和自适应计算（图1C）。我们考察自然系统如何编码和处理信息，以及这些见解如何引导合成生物学走向创新的空间计算方法。从微生物群落的分布式计算到受控区室化和反应-扩散图案形成的跨学科进展，反映了一个汇聚的研究方向，将我们对生命系统的理解转化为可操作的工程原理。

2. 混合群落中的分布式计算

在分布式生物系统中，系统的各组分位于在空间中混合的不同亚群中（图1A）。这种方法将计算负载分摊到多个工程化细胞上，有利于实现复杂的逻辑操作。各亚群通过细胞间信息传递和相互作用进行通信、计算并协调其行动[13,14]。该方法旨在克服与在单细胞内工程化计算系统相关的重大挑战，包括代谢负担[15-18]、子系统间干扰[19]以及层级化的情境效应[20]。另一个挑战是需要为连接每个子系统（即逻辑门）的独特、独立的信号分子，这被称为“布线问题”，与电气工程形成对比[21]。

许多使用微生物群落的工程化分布式计算方法利用群体感应系统进行通信[22-24]，尽管也可以使用其它信息传递系统[25,26]。通过群体感应通信时，细菌以可扩散分子的形式分泌信息。一个细胞分泌的分子将到达所有邻近细胞，因此是一种广播通信形式。在细胞群落中，细胞可以相对移动，细胞连接可以随时间变化，这是一种可塑性形式，也称为液体网络[27]。液体网络的灵活性使细胞能够动态协调其行动。

最早在微生物群落中实现复杂布尔逻辑的演示之一，是Regot等人于2011年利用能够进行细胞间通信的工程化酵母细胞完成的[28]。每种细胞类型编码特定的逻辑功能，使得通过特定的细胞排列构建更复杂的合成回路成为可能。这种方法通过将所需任务分布式地分配给工程化细胞，减少了布线约束。通过策略性地组合不同细胞及其相互作用，开发了更复杂的逻辑操作，包括多路复用器和带进位的1位加法器。仅需2条“导线”（信号分子）和3个输入，即可实现超过100种不同的逻辑功能，且几乎全部功能仅需3–4条导线即可获得。这种方法展示了重复使用工程化细胞类型以构建灵活计算框架的巨大潜力，而这类计算在单细胞内实现将颇具挑战。仅由4种酵母菌株构建的1位加法器，也展示出相比其电子实现的增强鲁棒性；当某一菌株的生长受到抑制时，群体仍能产生正确输出——这种容错性在硅基实现中需要显式的硬件冗余——而且相同的4种菌株无需重新设计胞内回路即可重新布线，用作多路复用器[28]。群落系统被进一步发展，利用进化算法设计更复杂的布尔函数以克服布线问题，包括多路复用器、比较器和3位加法器[29]。Guiziou等人表明，合成多细胞计算可能使用与电子工程中常用的NOR和NAND门不同的组成门集合（IMPLIES、NOT和AND）。多细胞逻辑在工程化重组酶逻辑门的背景下被探索，后者利用位点特异性重组来反转DNA序列[30]。同一团队在大肠杆菌中开发了回路，并在多细胞系统中构建了具有多达4输入布尔逻辑的重组酶逻辑器件[31]。

记忆是任何计算系统的关键组成部分，能够保留和检索信息。在生物计算中，记忆装置通常使用包含双稳态或基于重组酶的系统的工程化细胞，这些记忆状态由细胞间信号传导维持[32]。在分布式生物系统中实现记忆对于更复杂的计算至关重要。一个例子是分布式触发器电路，已通过计算方式进行了研究[33]。一个较不复杂的记忆装置在酵母中利用相互激活的NOT门构建[34]。在该设计中，2种酵母菌株被工程化以感知和分泌不同的信息素，形成双负反馈回路，使系统能够保持两种双稳态之一。这种多细胞架构有效地将记忆功能区室化，防止了可能使单细胞系统复杂化的不想要的胞内串扰。其它研究探索了双稳态微生物群落，其中工程化群体产生波动状态，导致两个不同的平衡态[35]。此外，利用重组酶在大肠杆菌群落中展示了时间逻辑，记录了化学输入的时间和持续时间[36]。虽然这些重组酶在单细胞水平产生数字状态，但群体水平的随机性导致整体模拟输出。

尽管单个细胞可承载的计算负载存在限制，但对分布式网络中可使用的细胞数量没有严格限制。该领域的一个显著进展是用于基因回路设计自动化的Cello框架的开发[37,38]。该框架已被用于设计先进的分布式计算系统，例如在66株大肠杆菌中实现的2位MD5哈希算法，将110个逻辑门整合到细胞基因组中[39]。该系统展示了跨微生物群落进行大规模分布式计算的潜力。还提出了一种系统方法，用于在微生物群落中分布和实现布尔计算。通过引入一种可扩散小分子，与传统集中式计算相比，该方法将可实现回路数量增加了7.58倍。此外，使用2种可扩散分子，该方法可实现所有4输入布尔函数中99.995%的功能，同时保持每个细胞最多七个门[40]。

我们已经展示了生物群落能够执行数字布尔逻辑，但这些设计仍然面临噪声、负载和布线限制。为尝试克服这些约束，一种方法是将系统设计基于生命基质中已有的模拟动力学，而不是试图将其改造用于数字计算。通过将基因表达水平、代谢物浓度或群体分数视为连续变量，合成回路可以以比等效全数字设计少得多的组件实现算术运算、分类器甚至神经形态功能[41-44]。这些方法已被扩展到作为分布式分类器运作的微生物群落；在这里，异质细胞群体聚合单个细胞的输出，类似于集成机器学习技术[45,46]。最近，已开发出能够进行联想学习的群落[47]，并创建了用于检测环境变化的生物传感器群落[48]。研究人员还利用神经网络架构进行工程生物学研究[49]，并设计了在液体培养中实现神经网络的群落[50-53]。在这种方法中，每种工程化细菌菌株实现特定的人工神经元，这些细胞通过细胞间信号分子进行通信。网络的权重在信号响应的转录调控中实现。这类方法最近的一个应用能够解决复杂问题，尽管仅编码了一个隐藏层[53]，而且通常仅使用3-4种工程化菌株即可实现。

虽然转向群落相比胞内系统减轻了布线问题，但并未完全解决。群体感应系统具有高串扰，限制了其使用，研究人员已探索开发正交群体感应系统以减轻这些不良相互作用[54]。一个更显著的局限性是群体感应信号的信息含量；每个细胞接收相同的信号，仅有浓度差异。因此，研究人员探索了能够传递更多信息的信号载体，其中DNA显然是候选之一。一个研究小组开发了利用噬菌体M13进行细胞-细胞通信的平台，该平台能够传递DNA信息[55]。这些信息可以被解码，从而通过同一通道产生不同响应，称为“解耦”。最近，两个小组进一步开发了该平台，一个研究噬菌体感染和消息传递的动力学[56]，另一个整合了基于CRISPR的基因调控[57]。其它方法包括使用接合转移DNA信号进行细胞-细胞通信[58]。研究人员设计了多种从头通信通道以促进信息传递，展示了在原核和真核细胞中进行跨物种通信的潜力。其中一个例子是利用七种细菌菌株通过四个通信通道协调构建了一个三输入异或-与逻辑门[59]。另一种有趣的方法是利用信号串扰。Silva等人利用枯草芽孢杆菌中的ComX群体感应系统研究了这一现象[60]。在该系统中，多个信号-受体对之间的串扰使混合群落能够产生情境依赖的激活模式。通过用实验数据参数化神经网络模型，作者展示了不同菌株比例和外部扰动时机如何产生多种不同的群体感应状态，强调了信号整合和时间动态的关键作用。信号串扰也发生在化学性质不同的自诱导物和非同源受体之间，显著影响集体基因表达。Yusufaly等人将这种相互作用映射到人工神经网络模型上，揭示了菌株间串扰如何增强集体决策能力，并表明群体感应系统的进化多样化可能是由最大化信息处理能力的选择所驱动的[61]。

3. 空间区室化计算

在充分混合液体中跨群落信息传递的挑战，促使人们探索将细胞进行物理空间隔离以用于计算目的。在细胞内，膜或蛋白质屏障允许代谢过程的区室化，在空间上分隔不同的活动和功能。通过空间图案化进行生物计算的、研究充分且自然发生的实例包括生物被膜形成[62-65]和哺乳动物细胞命运决定中的形态发生素梯度[66]。

一种新兴的常见空间隔离方法涉及在工程化空间回路中使用细菌菌落。该方法利用空间中细胞菌落的物理分离，每个菌落执行特定的计算任务。细胞间信号传导通路维持菌落之间的通信。Tamsir等人（2011）的一项里程碑式研究展示了利用分布在空间分离细菌菌落中的基因编码NOR门来实现多细胞计算[67]。通过将多达4个菌落以优化的空间构型排列，并通过化学信号“导线”连接它们，作者构建了所有可能的2输入逻辑门，包括具有挑战性的异或（XOR）和同或（EQUAL）功能。这种空间分布式设计展示了如何通过策略性地重新排列细胞群体之间现有的信号“导线”，利用简单的逻辑功能来产生多样而复杂的计算。然而，一个关键限制是每个菌落间连接需要单独的直交通信分子。这一想法通过使用二维打印的多细胞设备得到扩展，该设备具有系统定位的工程化细胞（多达6种不同菌株）和通信通道，可执行数字和模拟计算[68]。这些方法增强了空间分布式回路的可扩展性和功能性，并将空间维度引入其操作逻辑中。该方法的进一步发展在单个菌落内使用了单调和非单调响应函数，而非逻辑门[23]。这些细菌菌落被设计为执行“高通”操作（细胞仅在高于特定信号分子浓度时激活）和“带通”操作（在中间浓度范围内激活）。研究人员开发了算法来设计输出菌落的特定空间排列并诱导信号以产生计算能力。相互作用的空间形态发生素梯度使这些系统能够计算多达4输入的空间复杂逻辑门，包括图灵完备的细胞自动机[23]。这些进展表明生物回路中的空间分离和组织如何驱动复杂的计算过程。

另一种不同的方法利用酵母群体的物理分离，通过分离细胞群体执行特定逻辑操作，展示了空间分布式计算的可行性[69]。在此基础上，研究人员开发了一种使用微板创建可重编程多细胞设备的方法[70]。这些设备具有通过外部信号可重编程的工程化酵母细胞，成功实现了复杂的数字逻辑，如多细胞3位加法器电路、2-1多路复用器和增强系统数字响应的双稳态记忆模块。

人工细胞样区室（“合成细胞”）现在为空间生物计算提供了一个自下而上的平台。通过将无细胞转录-翻译系统封装在脂质或聚合物囊泡内，这些微米级反应器可以组合成可编程网络。Adamaia及其同事最近（i）推出了Trumpet，一个体外实现通用布尔门和原始处理器的无细胞操作系统[71]，并（ii）展示了合成微型细胞之间功能性RNA和蛋白质信息的双向输出，使原细胞群落间的分布式计算成为可能[72]。平行研究表明，液滴界面双层之间具有类群体感应信号传导[73]，以及人工细胞模拟物中自维持的偶联遗传-代谢回路[74]。这些进展将合成细胞定位为模块化的、可进化的“湿件”，将数字逻辑与模拟反应-扩散动力学相融合——这是未来空间模数计算架构的理想构建模块。

生物系统的定义性特征之一是它们动态响应环境变化的能力，这可以被用于工程化空间回路。例如，可重构回路根据外部刺激调整其逻辑操作。一个显著的例子涉及空间分布的多细胞群落，其中亚群根据环境信号在逻辑功能之间切换[75]。Simpson等人通过设计准二维菌落中偶联和双稳态合成基因网络的混合群体，对该领域做出了重要贡献。利用接触过程晶格模拟和二维Ising模型，他们展示了自组织成不同图案的系统。这些系统表现出具有幂律标度的长程相关性或短程反相关性，类似于铁磁和反铁磁行为[76]。这些发现强调了工程化生物系统表现出模仿物理和计算现象的涌现空间行为的潜力。在另一项研究中，Chen等人提出了一种基于抑制子回路的基因编码计数器设计[77]。该方法通过创建一个能够读取输入脉冲序列并显示总脉冲数的N位计数器，从根本上改变了生物计算。该计算框架通过可扩散化学信号互连计数器模块，从单位计数器扩展到N位系统。一种复杂的优化方法确定门参数，从而能够精确控制脉冲宽度和脉冲间弛豫时间。这项研究推进了开发能够执行有限自动机计算的回路的工作，类似于数字中央处理单元的功能。

4. 空间分布动力学与自适应计算

反应-扩散（RD）过程是分布式空间计算的基础框架，其使计算能够以涌现模式而非离散操作的形式实现[78]。基于图灵范式，发育生物学、化学和生态学的研究表明，局部相互作用和可扩散信号如何产生稳健的、空间编码的计算[79]。图灵模型最初通过将简单RD机制与自发图案形成联系起来，在形态发生领域产生了变革性影响，现在已应用于材料科学和生态系统等多个学科。生物回路与反应-扩散过程耦合，在实现复杂的非线性计算方面具有巨大潜力，而传统技术难以复制这类计算。

一种利用RD系统工程化空间图案的方法已经出现，通过探索生成器（特别是基因调控网络GRN）的计算空间。通过研究输入基因及其相互作用产生的多样化GRN拓扑结构，研究人员旨在理解这些系统能产生的图案范围。这涉及对GRN与形态发生素梯度结合的系统研究，揭示了网络架构的变化如何控制图案生成。基因调控网络（GRN）的研究考察了不同拓扑结构如何影响反应-扩散系统中的图案形成[80-84]。Mousavi等人开发了一种基于高性能进化计算的自动化算法，促进了能够生成任何指定二维空间图案的基因调控机制的设计[85]（图2A）。该系统使用2个正交形态发生素梯度作为位置信息信号，提供了一个模拟活生物体中自然图案形成机制的框架。另一种方法将GRN和形态发生素视为优化问题的组成部分，通过机器学习框架处理图案形成。通过使用监督学习方法微调系统参数，研究人员可以识别产生所需目标图案的参数区域[86]。Matas-Gil等人采用物理信息神经网络实现了稳健的参数识别[87]。在此，作者通过使用机器学习技术处理稳态图灵图案的逆问题，解决了生物系统中空间图案和自组织的工程化问题（图2A）。他们开发了一种改进的物理信息神经网络（RBF-PINN），即使在存在显著实验噪声（10-20%）的情况下也能稳健地推断模型参数。将其模拟方法应用于实验化学图案，他们展示了机器学习在可靠工程化合成图灵图案方面的潜力。

群体感应系统与反应-扩散系统的整合为开发合成空间图案提供了一种有前景的方法。Tica等人创建了混合双输入群体感应启动子，以构建对激活子和抑制子均有响应的菌株[22]（图2B）。这些组分简化了空间系统的设计，在启动子水平实现信号计算，避免了复杂的胞内回路需求。在此基础上，作者开发了一种扩散测定法来测量分子扩散并预测空间响应，发现扩散速率与分子量之间存在幂律关系。他们展示了双输入启动子（如HC1-5）如何实现空间图案形成：当置于特定空间位置并暴露于特定组合的诱导剂和抑制信号时，这些细胞执行计算并生成环状和条纹状结构、凹菱形和新月形等图案。与传统的三节点前馈系统相比，这些单节点设计稳健、可调且响应迅速，在保持高精度的同时减少了代谢负担和延迟。这项研究为更直接而多功能的反应-扩散系统提供了工具，为在合成生物学中工程化可扩展和自适应的空间计算框架开辟了途径。

在这些原理基础上，Doshi等人工程化了Proteus mirabilis——一种天然群集细菌——以在琼脂上产生宏观尺度图案[24]（图2C）。这项工作探索了工程化细菌群集以创建环境输入（如IPTG和铜）的空间图案记录。工程化细菌整合了群集相关基因（如cheW和umoD）的可调表达，以调节图案特征，包括菌落半径、环宽度和密度。这些工程化图案通过所得空间图像的深度学习进行解码。作者还引入了一个双输入系统，促进2个基因的同时调控，以产生对组合环境刺激的独特空间响应。还通过延时成像探索了动态时间图案变化，突显了环境波动的时空编码潜力。该系统被扩展用于检测水相铜，作为实际生物传感应用的一个例子。

合成调控回路通常通过光遗传学[88-90]得到增强，允许对基因表达进行精确的时空控制。最近的一项研究开发了一个系统，其中光遗传学信号可用于驱动空间振荡器[91]。作者工程化了抑制振荡器[92]并施加周期性光脉冲，产生了包括同步、共振、倍周期和混沌在内的复杂空间图案。

计算工具对于设计和预测空间分布生物系统中的图案形成至关重要。基于智能体的模型（ABMs）通过整合环境和细胞间相互作用来模拟多细胞行为。Montagud等人[93]使用ABMs模拟跨尺度的自适应现象。这些模型将细胞视为具有动态规则的离散智能体，能够研究细胞间异质性、环境压力和胞内信号传导等复杂相互作用。当前模型将凋亡、增殖和迁移等细胞过程与环境因素整合，在多个空间和时间尺度上模拟生物适应性[93]。此外，非晶计算[25]和异步有限状态自动机[94]等专用编程模型为设计空间计算提供了系统性框架。

储备池计算（RC）是一种创新的计算范式，利用物理系统的固有动力学创建一种控制论和模拟计算形式，其中复杂处理从系统状态的物理演化中涌现，而非显式符号算法[95-97]。在化学领域，Baltussen等人研究了formose反应作为能够进行储备池计算的化学反应网络[98]。他们证明此类化学系统可以执行非线性分类任务并预测动力学行为，模拟复杂的生物计算，如环境响应处理和内稳态。RC已在生物空间计算中得到探索。例如，Nikolic等人[99]模拟了通过可扩散信号分子执行高级计算（如中值、奇偶校验）的3D多细胞群落。Faulon等人利用E. coli的天然代谢网络将其作为物理储备池[100]。输入特征编码在营养浓度中，输出为菌株的生长。作者展示了在十个OpenML回归任务上，其性能超过回归方法和多层感知器（MLP），证实了E. coli的代谢网络能够进行非线性分类。凭借低能耗、并行性和自我修复能力，细菌RC提供了一种引人注目的计算方法，正在进行的工作侧重于完善营养映射策略、探索更多菌株，并将这些生物平台与神经形态计算和工程化活体材料相整合。

5. 结论

生物学与计算的融合，即工程化空间生物计算工具，有潜力深刻促进对自然生命过程和合成系统的研究。通过模拟自然生物系统的原理，如形态发生素梯度、群体感应和细胞区室化，空间生物计算为构建稳健、可扩展和自适应的信息处理架构提供了一条途径。跨微生物群落的分布式计算、空间组织和隔离的亚群，以及具有涌现图案动力学特性的系统，展示了生物系统如何克服单细胞逻辑的关键限制，包括代谢负担、布线约束和可扩展性瓶颈。

生物系统通过数字和模拟模式的混合进行计算，将离散状态转换与连续的时空动力学相结合。未来的合成计算平台将逐步采用类似的技术。通过利用连续场、反应-扩散系统和反馈驱动的自适应性，以及数字存储器和逻辑，工程化系统将模拟生命系统以卓越效率和韧性进行计算、适应和进化的方式。事实上，生物空间计算的应用已经初现端倪。例如，Walker等人工程化了产纤维素细菌内的细胞间通信，使具有可调宏观性质的图案化活体材料成为可能[101]。类似地，Mogas-Díez等人开发了能够进行数字和模拟操作的低成本纸基空间计算设备[68]。这些例子突显了在即时诊断和环境生物传感方面的应用潜力。

尽管取得了这些有前景的进展，但重大挑战依然存在。在固有噪声和异质性的生物基质中实现可靠、可编程行为，需要新的混合模数计算理论框架。物理约束，如扩散限制、分子串扰和进化不稳定性，必须得到系统性的解决。此外，将空间计算系统扩展至概念验证演示之外，需要在模块化、纠错和动态可重构性方面进行创新，同时从控制论和算法原理中汲取灵感。

原文链接： https://www.sciencedirect.com/science/article/pii/S1084952125000412?spm=a2ty_o01.29997173.0.0.153c55fbxVr0GT