《使用微生物与公司会面,彻底改变我们对土地,动物和自身的关心》

  • 来源专题:人类遗传资源和特殊生物资源流失
  • 编译者: yanyf@mail.las.ac.cn
  • 发布时间:2019-09-19
  • 走进任何一家杂货店,你不会花很长时间才能找到“肠道健康”部分:酸奶和酸奶的架子以及数十个小玻璃瓶的益生菌“镜头”,比其竞争对手宣传数十亿“活跃的文化”坐在他们旁边。

    随着微生物组被认为是人类健康的主要参与者,营销益生菌的公司数量急剧增加。消费者很难通过各种可用的选择,特别是当大多数健康声明含糊不清,并且为表兄的朋友的姐夫工作的益生菌对你有用的可能性最小。在这样一个饱和的市场中,一家专注于良好,健全的科学的公司将完全释放人类微生物组的潜力,并为消费者带来真正有效的产品。

    一家公司正在顺利完成这项法案。二十多年来,它在幕后静静地工作,建立了世界一流的微生物组研究和产品开发设施。现在供应世界上三分之一的益生菌,该公司准备改变我们的健康营养方法。

    机会是,你已经知道这家公司。

    这家公司是杜邦公司。

    那么,一家拥有200年历史的公司,如聚合物,化学品和纺织品等领先的材料生产商,如何成为世界领先的益生菌生产商?

    这一切都始于动物营养和乳制品文化。

    动物营养史

    几十年来,一家名为丹尼斯克的丹麦公司在人类使用的动物营养,乳制品培养和益生菌方面建立了世界一流的能力。一系列有针对性的收购(Cultor在1999年,Rhodia Foods在2004年,和Genecor在2005年)显着提高了公司在健康和营养以及微生物科学和技术方面的整体能力 - 包括如何改善农场动物的肠道健康以限制使用抗生素和改善营养吸收,为乳制品行业确定更好的微生物/起始剂,开发和销售益生菌以改善人体肠道健康。

    公司在这些领域取得成功的部分原因是由于丹尼斯克早在20世纪90年代就开发了一套用于研究肠道科学的实验工具。 “我们称之为'Enteromix®工具箱' - 我们仍然这样做!”杜邦研究员兼前首席科学家Andrew Morgan解释道。 “多年来,这已成为创建世界领先的健康和营养科学平台的补充。”

    该平台包括最初用于模拟鸡肠并适用于模拟人胃肠道的第一个基于实验室的胃肠模拟器之一。 “该公司新兴的Enteromix®工具箱的首次使用之一是证明其开创性动物营养酶的作用机制之一是调节肠道微生物群。这是我们进入微生物组的开始,“摩根说。

    2011年,杜邦公司收购了丹尼斯克公司,该公司当时是人类益生菌市场的领导者,并开发并销售了一些直接喂养的微生物(牲畜益生菌)。尽管活微生物的益处是明确的,但这种功效的基本原理和潜在应用的广度尚未完全了解。 2012年,杜邦公司中央研究与开发部门的微生物学家John Gannon一直试图说服杜邦开始关注人类益生菌以外的微生物机会。

    玉米微生物

    2014年,杜邦生物制品公司接受了甘农提出的探索作物微生物组以寻找作物益生菌的提议 - 称为生物制品。他们开始研究玉米,观察到同一玉米田的一些地块的产量比其他地块高得多,玉米遗传,土壤条件或其他生长条件没有差异。假设是差异可能是由微生物组引起的。

    Gannon和他的团队发现产量的差异是由于植物根部的生物膜中发现的细菌所致。杜邦公司的微生物组努力迅速聚集起来,很快,该公司还开始深入探索家禽等家畜的微生物组,寻找新的直接喂养微生物以减轻疾病。所有这些都成为世界级微生物组研究和产品开发能力的基础,不仅适用于农业和畜牧业,也适用于人类健康。

    进入杜邦工业生物科学公司后,Gannon的任务是建立微生物研究能力。 “我们的想法是将基因组学,生物信息学,微生物学,分子生物学,发酵和数据分析结合起来,以实现系统生物学方法,然后利用它来提供基于微生物组的益处,以及无数基于微生物组的机会,”他说。正是这种方法使得杜邦在充斥着炒作,怀疑和毫无根据的承诺的领域中脱颖而出。

    建立在科学基础上的基础

    基于他们在玉米田中学到的知识,杜邦开发了一种简化的通用管道,用于鉴定和开发益生菌候选物。 “在这个过程中没有削减任何角落,确保公司所做的科学是合理的,也是首要任务,”Gannon说。

    这一切都始于一项试点研究,以确定最适合的目标或关注的样本或样本集 - 无论是影响一群鸡的病原体还是人类的代谢疾病。 Gannon说,成功进行微生物组研究的两个最重要的部分是样本采集过程和元数据。

    “样本采集至关重要 - 我们告诉人们将其视为犯罪现场,以避免交叉污染,我们与密切了解目标的人合作 - 兽医为农业,农民为农民,临床医生为人类疾病,”Gannon说。 “你还必须了解你的元数据,”他补充道。 “这是将科学置于其背后的一个重要部分,很多人都没有考虑到这一点。”

    一旦鉴定出合适的样品类型并收集样品,就提取DNA以获得样品的微生物特征。该团队使用一套生物信息学工具,确定哪些微生物在某些条件下出现或消失(例如作物产量低或生病的牲畜)。然后将这些微生物在实验室中培养并进行一系列筛选试验以确定它们是否是良好的益生菌候选物。优化候选生物的生长条件以最大化产量,并建立稳定性和递送的最佳条件。只有这样,一个益生菌候选者才能准备好进行试验,看看它在现实世界中的表现 - 就像样品采集组件一样,它是与兽医,农民或临床医生合作进行的。

    重要的是,Gannon说,不同细菌物种之间的相互作用是一个重要的考虑因素,因为在现实生活中,这些微生物不是孤立的 - 它们是具有不同功能的不同物种的微生物群落的成员。该公司的Human Microbiome Venture Leader Sebastien Guery说,正是这种对社区功能的强调,而不仅仅是结构,是杜邦公司工作流程的核心。这有助于公司最大限度地提高益生菌在其预期环境中茁壮成长的机会,从而获得其有益效果。

    为此,杜邦非常重视了解给定菌株的作用机制以及鉴定相关的功能途径。这样做可以使杜邦专注于恢复缺失的功能或为给定的微生物生态系统中的相关功能途径提供动力,从而最大限度地提高疗效。至关重要的是,他们的目标不仅是开发新的微生物,而且还开发像益生菌或生物有机体这样的分子,这些分子只能帮助“友好”的微生物物种(毕竟帮助“敌人”细菌物种生长也会失败)。这种方法成功地用于人类和动物健康,以开发调节微生物群的优良成分,并且是杜邦公司在转入临床之前应用当今的Enteromix®健康和营养科学平台筛选体外模型的方法。

    “利用正确的酶和正确的饲料原料,我们可以在农场动物的胃肠道内原位产生益生元。这些益生元被设计为选择性食物来源,以促进肠道中有益细菌的生长。这是我们多年前发现的,并且从那时起一直在不断发展。这有点像微生物的个性化营养,“摩根说。

    它不是一刀切

    Guery在未来也会看到个性化营养,以改善和恢复人类健康。他说,通过不仅了解微生物本身的功能潜力,还将其与宿主中受影响的功能途径联系起来,打开了个性化干预的大门。

    “我们正在从一刀切的饮食和补充剂到定制补充剂和饮食,以满足患者的需求,从而最大限度地提高成功率。这开辟了一个名为'Nutrapeutics'的新领域 - 使用营养和补充剂作为治疗佐剂,以最大限度地提高药物的疗效“

    在短期内,该公司专注于代谢条件 - 但长期目标包括免疫肿瘤学和肠 - 脑轴相关疾病等。当谈到我们对微生物组的了解时,可能性是无穷无尽的,还有很多我们不理解的东西,所以Guery说,最终的愿景是“使用量身定制的混合物来改变健康,营养和健康微生物,益生元,酶和蛋白质,以恢复微生物群的组成和功能。“

    最近导致营养与生物科学创建的组织变革是推动杜邦实现这一愿景的关键一步。

    益生菌

    “我们现在所拥有的是一台出色的发现机器,不仅可以专注于益生元和益生菌的发现,还可以设计微生物,蛋白质和酶,”Guery谈到新的部门。 “[它]是观察微生物组调节的完美引擎,因为不仅可以[我们]种下一种缺失的微生物,而且我们可以非常有选择地恢复缺失的微生物群功能。”

    该公司是否会开始利用为特定功能量身定制的工程益生菌仍有待观察,尽管Gannon说这是他们所谈论的内容。但是现在,Gannon和Guery一致认为,更重要的是克服那里的蛇油并恢复消费者对益生菌的信心。

    “我们必须反对所有的炒作,那里有很多不好的产品,”甘农说。 “有[公司]有一个错误,他们把它放入某种产品,并说,'嘿,益生菌,他们将解决你所有的问题',但事实并非如此。良好的营销并不总是与良好的科学相匹配,当这种情况发生时,可信度就会丧失。将强大的科学放在微生物组研究背后是一种改变游戏规则的做法,它将对人类,动物,作物产量和环境产生重大影响。我们处于微生物群时代的早期阶段,所以这是一个非常激动人心的时间成为一名微生物学家,“他说。

    Gannon本人不久前就是益生菌的大怀疑论者,但是沉浸在杜邦的微生物组研究中并通过体内试验验证体外结果使他成为坚定的信徒。然而,他是第一批告诉你基于微生物的疗法不是银弹的人之一;他们不能治疗或治愈一切。但是,像杜邦这样的公司多年前铺平了道路,并且仍然以负责任的科学方式领先,微生物很可能在我们的土地,动物和自己的未来健康中占有重要地位。

    ——文章发布于2019年9月10日

相关报告
  • 《与五家使用AI工程生物学的合成生物学公司会面》

    • 来源专题:人类遗传资源和特殊生物资源流失
    • 编译者:yanyf@mail.las.ac.cn
    • 发布时间:2019-09-24
    • 电视和广播称“人工智能即将来临”,它将接替您的工作并在国际象棋上击败您。 但是,人工智能已经来临了,它可以在国际象棋上击败您,这是世界上最好的。在2012年,Google还使用它来识别YouTube视频中的猫。今天,这就是特斯拉拥有Autopilot,Netflix和Spotify似乎“读懂你的思想”的原因。现在,人工智能正在改变合成生物学的领域以及我们如何设计生物学。它可以帮助工程师设计出新的方法来设计基因回路,并且通过已获得的巨额投资(过去10年中的12.3亿美元)及其正在破坏的市场,它可能对人类的未来产生重大影响。 人工智能的概念相对简单,它是具有推理,学习和决策行为的机器编程。一些AI算法(只是计算机遵循的一组规则)在这些任务上非常出色,以至于可以轻易胜过人类专家。 我们听到的关于人工智能的大多数信息都涉及机器学习,这是AI算法的子类,可以从数据中推断出模式,然后使用该分析进行预测。这些算法收集的数据越多,其预测就越准确。深度学习是机器学习的一个更强大的子类别,其中大量称为神经网络(受大脑结构启发)的计算层协同工作以增加处理深度,从而促进诸如高级面部识别(包括iPhone上的FaceID)之类的技术)。 [有关人工智能及其各个子类别的更详细说明,请查看本文及其流程图。] 无论AI的类型或用途如何,我们都处于计算革命之中,它将其卷须扩展到“计算机世界”之外。很快,AI将影响您服用的药物,燃烧的燃料,甚至是您用来洗衣服的洗涤剂。 特别是生物学,是人工智能最有希望的受益者之一。从调查导致肥胖的遗传突变到检查癌细胞的病理样本,生物学产生的数据非常复杂,令人费解。但是,这些数据集中包含的信息通常提供有价值的见解,可用于改善我们的健康状况。 在合成生物学领域,工程师寻求“重新连接”活生物体并为其编程以新功能,许多科学家正在利用AI设计更有效的实验,分析其数据并使用其来创建突破性的疗法。这是五家将机器学习与合成生物学相结合的公司,为更好的科学和更好的工程铺平了道路。 Riffyn催化干净的数据收集和分析 (加州奥克兰,成立于2014年,已筹集了2490万美元) 机器学习算法必须从大量数据开始-但是,在生物学上,要生成好的数据非常困难,因为实验耗时,繁琐且难以复制。幸运的是,有一家公司正在通过简化科学家的工作来解决这一瓶颈。 Riffyn基于云的软件平台可帮助研究人员标准化,定义和执行实验,并简化数据分析,这使研究人员能够专注于进行实际的科学研究,并使使用机器学习算法从他们的实验中获得更深刻的见识成为日常现实。 使用此平台,可以更有效地进行实验,从而导致成本大幅下降,生产率和质量得到改善,并且准备使用复杂的机器学习技术进一步分析数据。这意味着公司可以使用这项技术来开发用于癌症治疗的新蛋白质,并且他们可以比以前更快,更好地做到这一点。里芬(Riffyn)已经与15家全球生物技术和生物制药公司中的8家进行了合作-他们成立于五年前。 Microsoft Research Station B:汇集编程生物学的难题 (英国剑桥,于2019年正式启动) 合成生物学世界中有许多活动的部分,这使得尽可能简化和整合操作变得困难而至关重要。在过去的十年中,Microsoft Research的计算生物学部门B站一直在开发生物学的机器学习模型,以解决此问题并加快从医学到建筑的各个领域的研究。 它的努力也以各种新的伙伴关系的形式获得了回报。借助Synthace,它正在开发用于自动化和加速实验室实验的软件。 B站还与普林斯顿大学合作,通过利用基于机器学习的方法从生物生长不同阶段拍摄的图像中提取图案,研究生物膜背后的机制(与细菌菌落如何产生抗生素抗性有关)。 B站还与牛津生物医学公司合作,该公司利用这些机器学习功能来改善针对白血病和淋巴瘤的有前途的基因疗法。这也许是合成生物学影响最大的领域之一:设计与多种疾病作斗争的疗法。 Atomwise:深度学习解码结构蛋白设计的黑匣子 (总部位于美国加利福尼亚州旧金山,成立于2012年,已筹集了5100万美元) Atomwise正在通过其称为AtomNet的深度学习平台来应对药物开发,该平台可以快速对分子结构进行建模。它可以准确地分析小分子内的化学相互作用,从而预测针对埃博拉病毒至多发性硬化症等疾病的功效。通过利用有关原子结构的数据,Atomwise设计了新颖的疗法,否则将几乎不可能开发。 他们与包括Charles River Laboratories,默克,多伦多大学和杜克大学医学院在内的机构建立了众多学术和公司合作伙伴关系,这些机构正在提供许多现实世界的应用程序和机会来推动这项研究的发展。他们最近还宣布了与江苏汉寿药业集团的高达$ 1.5B的合作,该公司是今年最大的生物制药IPO之一。 尽管Atomwise的分子设计方法功能强大且可以有效抵抗多种疾病,但还没有一种完美的方法来进行计算发现。那就是Arzeda进来的地方。 Arzeda:使用从头深度学习重写蛋白质设计规则 (华盛顿州西雅图市,成立于2008年,已筹集了1520万美元) Arzeda是一家来自华盛顿大学贝克实验室的公司,利用其蛋白质设计平台(当然植根于机器学习算法)来对蛋白质进行工程改造,从工业酶到农作物及其微生物群落。 Arzeda完全从零开始(或从头开始)构建其分子,而不是优化现有分子,以执行自然界中未发现的新功能;深度学习技术对于确保其设计的蛋白质正确折叠(非常复杂的计算问题)并按预期发挥功能至关重要。一旦完成计算步骤,就可以通过发酵(就像啤酒一样)来生产新蛋白质,而绕过自然进化过程以有效地生产全新的分子。 分布式生物:彻底改变流感,癌症,蛇咬等的未来 (加利福尼亚州南旧金山,成立于2012年,由许可技术自筹资金) 在设计范围的另一端,Distributed Bio利用合理的蛋白质工程技术来优化现有的抗体,这些抗体是您体内的蛋白质,可以检测细菌并与其他引起疾病的入侵者抗争,从而创造出新颖的疗法。 Tumbler平台是该公司拥有的众多免疫工程技术之一(从通用流感疫苗到广泛覆盖的蛇抗蛇毒)。 Tumbler使用机器学习方法创建了超过5亿种起始抗体变体,以扩展和量化分子中哪些变化最有价值的搜索空间。然后,它会对序列进行评分,以预测它们在现实生活中与目标的结合程度,并使用“有价值的变化”信息进一步改善得分最高的序列。随着最高级序列的合成和在实验室中的测试,生产周期继续进行。最终,原型分子应运而生,以实现预期的治疗目的-自然界中不一定观察到这种现象,而是结合了所有可能的最佳特征。 Tumbler已帮助实现了超越传统单一靶标药物开发的广泛应用-从设计可同时与多个靶标结合的抗体到创建嵌合抗原受体T细胞(CAR-T)治疗(与Chimera Bioengineering一起)用于癌症治疗具有降低的毒性,此端到端优化平台大规模产生理想抗体的能力是空前的。 尽管这一进展令人兴奋,但人工智能并不是我们对自然界研究的普遍替代,也不是开发治疗人类疾病的唯一方法。有时,它在技术上可能没有用,甚至从道德上讲也不是合理的。随着我们继续获得这项技术的好处并将其日益融入我们的日常生活中,我们必须继续就合成生物学和AI创新的设计,实施和道德操守进行对话。我们站在科学和人类新时代的悬崖上。 ——文章发布于2019年9月19日
  • 《新传感器或彻底改变新冠筛查方式》

    • 来源专题:生物安全知识资源中心—领域情报网
    • 编译者:hujm
    • 发布时间:2022-03-31
    • 美国约翰斯·霍普金斯大学开发出一种新冠病毒传感器,可同时提高准确性和检测速度,有望彻底改变病毒检测方式。在29日《纳米快报》上发表的这项新研究描述了该新传感器,它不需要样品制备和操作专业知识,与现有的检测方法相比具有强大的优势,特别适用于大规模群体检测。   “这项技术就像在设备上滴一滴唾液,然后得到阴性或阳性结果一样简单。”约翰斯·霍普金斯大学机械工程副教授伊桑·巴曼说,其新颖之处在于这是一种无标记技术,这意味着不需要分子标记或抗体功能化等额外化学修饰。传感器最终可用于可穿戴设备。   巴曼称,这项新技术产品尚未在市场上销售,它弥补了两种最广泛使用的新冠病毒检测方式的局限性。PCR(聚合酶链式反应)检测非常准确,但需要复杂的样品制备,在实验室处理结果需要数小时甚至数天;另一种抗原检测则在检测早期感染和无症状病例方面不太成功,还可能导致错误的结果。   新传感器几乎与PCR检测一样敏感,并且与快速抗原检测一样方便。在初始检测期间,该传感器在检测唾液样本中的新冠病毒方面表现出92%的准确度,与PCR检测不相上下。该传感器在快速确定其他病毒方面也非常成功,包括H1N1和寨卡病毒。   该传感器基于大面积纳米压印光刻、表面增强拉曼光谱和机器学习技术,可通过一次性芯片形式在刚性或柔性表面进行大规模测试。   该技术的关键是研究人员开发的大面积、柔性场增强金属绝缘体天线(FEMIA) 阵列。唾液样本被放置在材料上并使用表面增强拉曼光谱进行分析,该光谱使用激光来检查样本分子如何振动。由于纳米结构的FEMIA显著增强了病毒的拉曼信号,因此该系统可快速检测病毒的存在,即使样本中仅存在少量痕迹。该系统的另一项重大创新是使用先进的机器学习算法来检测光谱数据中非常微妙的特征,使研究人员能够查明病毒的存在和浓度。   “我们的平台超越了当前的新冠病毒检测。”巴曼说,“我们可将其用于针对不同病毒的广泛检测,例如,区分新冠病毒和H1N1,甚至是变体。这是当前快速测试无法轻易解决的主要问题。” 总编辑圈点   凭借最先进的纳米压印制造和转移印刷,科学家制造出了高精度、高灵敏、可扩展的新冠病毒传感器,这对于未来在基于芯片的生物传感器上应用非常重要,而且未来可以整合到可穿戴设备上。这种传感器材料最大的优点,是可放置在任何类型的表面上,从门把手、建筑物入口到口罩和纺织品等,因此只要与手持测试设备集成,就可以很方便地在机场、学校、医院和体育场等拥挤的地方进行快速新冠筛查。