《Op/ed:合成生物学与责任新文化》

  • 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:2018-12-10
  • 美国科学家联合会(FAS)的Ali Nouri博士和文明企业的Shahram Seyedin-Noor博士

    1980年,世界卫生组织宣布正式消灭天花,这是现代医学最辉煌的成就之一。据估计,天花病毒在20世纪已导致3亿多人死亡。这是包括第一次世界大战和第二次世界大战在内的同一时期所有战争死亡人数总和的三倍。

    今天,科学家们掌握了使天花起死回生的工具。(1975年诺贝尔生理学或医学奖(Nobel Prize in physiology or medicine)得主戴维·巴尔的摩(David Baltimore)说,“发表了天花病毒序列,所以如果你有实验室设备,你可以通过合成来修复它。”)

    事实上,他们已经用其他几种病毒做到了这一点。去年,加拿大研究人员利用邮购DNA以10万美元的价格重组了“灭绝”的马痘病毒,它是天花的近亲。在这一实验之前,还有其他类似的实验,包括2002年小得多的脊髓灰质炎病毒的组装,以及2005年H1N1大流行病毒(也被称为“西班牙流感”)的复活。一个世纪前,H1N1大流行病毒夺去了5000万人的生命。在这些科学里程碑和对医疗保健、环境友好型制造等诸多领域的其他贡献背后,是一个被称为合成生物学的领域——而且它正在加速发展。

    合成生物学,或称synbio,结合了工程和生物学的原理,生产用于农业、医疗保健、食品、材料等领域的产品。在10月的第一周,在加州旧金山举行的SynBioBeta 2018大会上,来自世界各地的科学家、工程师、企业家、决策者和风险投资家展示并讨论了synbio的最新进展。这些最前沿的创新包括在DNA分子中存储数字信息(0和1),重新设计臭名昭著的沙门氏菌,使其成为疫苗传递的来源,重新连接细菌的遗传电路,制造能够检测环境污染物的生物传感器。

    在synbio社区中,我们将生物技术的巨大力量视为一股美好的力量。但合成生物学也带来了需要管理的风险。其中一个危险来自生物技术的双重用途应用- -这种技术可能被转用于制造毒素和病原体作为生物武器。随着合成生物学的基石变得更加分散,或“民主化”,这些工具被怀有恶意的个人滥用的风险也随之上升。

    考虑DNA合成技术。利用化学前体高效、廉价地构建长DNA分子的能力,对synbio初创公司和大学里的科学家们来说是一个巨大的好处,他们现在可以把这项繁琐的任务外包给集中的设施。但这也为一种可能性打开了大门,即一个怀有邪恶意图的人可能会订购属于毒素和病原体的基因。一旦获得,这些基因可以被导入细胞或无细胞提取物,在那里它们可以被转录,然后转化成毒素,甚至是致病病毒。

    为了应对这种风险,DNA合成公司在国际基因合成联盟(IGSC)的旗帜下进行了谨慎的自我监管。2009年,IGSC开始筛选客户的身份,以及长度超过200个碱基对的任何双链DNA分子订单。其目的是确保属于毒素和病原体清单的DNA序列只提供给被特别授权与这些制剂合作的研究人员。

    这一框架是近10年前实施的,今天仍然有效。然而,它并非没有缺点。筛选短寡核苷酸存在技术挑战,短寡核苷酸可用于构建更大的DNA分子。此外,IGSC的成员仅占基因合成市场的80%,这就留下了一个漏洞,一个坏家伙可能会利用这个漏洞。

    虽然这个框架在很大程度上是静态的,但技术却不是。随着synbio的加速,风险也在增加。例如,公司正在努力构建桌面基因合成器,可以卖给实验室甚至个人。这将需要一个不同于目前集中式DNA工厂的风险缓解框架。其他公司正在努力创造新的平台来产生分子和改良的生物体来治疗疾病。这些技术也可以用来制造新的毒素和致病菌。再加上机器人自动化的趋势、软件和计算机辅助生物设计(Bio-CAD)以及人工智能方面的新进展,很明显,即使是没有经过正规科学训练的新手,最终也可能会使用这些工具,不管它们是好是坏。

    从这里我们要去哪里?

    显然,确保合成生物学共同体的工具不被用于或试图用于邪恶的目的是符合其利益的。这两种情况都可能引发严重的政府监管,从而阻碍该行业的创新和增长。

    该行业作为一个整体,有机会建立在最初的自我调节模型的基础上,这一模型已被几家领先的基因合成公司采用。正在开发新技术的科学家和工程师处于有利地位,能够通过量身定制的技术和制度保障措施来防止滥用(阿里·努里(Ali Nouri)博士是约翰霍普金斯大学卫生安全中心(Center for Health Security)与SynBioBeta 2018联合举办的生物安全和合成生物学会议研究金的研究员)。它们应该与政策界建立桥梁,评估风险,制定拟议的指导方针,并以促进而不是阻碍进一步创新的方式实施这些方针。

    就商业企业而言,包括初创企业和资助它们的私人风险投资家在内的商业企业,也可以采取一种积极警惕的文化,将识别和减轻风险列为优先事项。马克•扎克伯格(Mark Zuckerberg)普及的“快速行动,打破陈规”(move fast and break things)箴言,帮助推动了创新,但也带来了新的风险。从俄罗斯最近对美国选举的干预可以看出,即使是像社交媒体这样看似无害的技术,如果没有有效的保护措施,也可能具有破坏性的“双重用途”。就合成生物学而言,滥用的可能性和降低风险的必要性更加明显。

    基因合成公司已经证明,学术界、商界和政策界可以在一个动态的框架内共同努力,抵御风险。该框架倡导过程透明、开放渠道、跨学科合作和行业标准,这些标准必须得到普遍采用,才能真正有效。合成生物学的双重用途并非独一无二;人工智能、增材制造和其他新兴领域都带来了巨大的利益和风险。

    通过建立并超越现有的DNA合成风险缓解框架,synbio社区可以为其他部门树立一个强大的榜样。

    ——文章发布于2018年10月22日

相关报告
  • 《用合成生物学来驱动一个清洁的星球》

    • 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:2019-03-20
    • 本文由印度最大的私营企业信实工业有限公司为您播报。欲了解更多信息,请访问www.ril.com 到2100年,全球人口预计将达到112亿,预计97%的人口增长将出现在发展中地区,地球面临着资源压力。在世界上人口最多的亚洲大陆,上个世纪的快速增长和经济发展对环境造成了破坏。为了满足日益增长的人口日益增长的需求,砍伐森林以开垦土地供人类使用,造成了生境破坏和生物多样性的丧失。人类和工业活动也导致了污染和气候变化。 不幸的是,据预测,人口密集的发展中国家将经历最快的增长,从而对已经有限的资源造成更大的压力。创新者、研究人员和企业家越来越多地向合成生物学寻求解决方案。藻类和细菌已经通过基因工程生产生物燃料,这是一种环境友好的化石燃料替代品。这些方法对南亚国家来说可能是至关重要的,因为这些国家的空气污染程度很高。限制获得洁净水是另一个关键问题,可以通过开发微生物生物传感器(比酶更稳定)来检测水中的重金属污染物来部分解决这个问题。 印度在南亚地区占有重要地位,是世界上人口第二多的国家,拥有近14亿人口。这些人中的大多数显然将从解决环境可持续性问题的合成生物学应用中获益。然而,合成生物学研究在印度仍处于起步阶段,而且在很大程度上仅限于少数几个机构和团体,包括印度理工学院(IITs)、国家生物科学中心(NCBS)、科学与工业研究理事会(CSIR)和贾瓦哈拉尔·尼赫鲁大学。只有喀拉拉邦大学的系统和合成生物学中心专门研究合成生物学。 印度的情况与其他亚洲国家的主要合作研究平台形成了鲜明对比,比如新加坡合成生物学协会(Singapore Consortium for Synthetic Biology)和深圳合成生物学协会(Shenzhen Synthetic Biology Association)。印度必须尽快赶上它的邻国——有一个强大的力量可以帮助它达到这个目标。 用合成生物学来驱动一个清洁的星球 信实工业有限公司(RIL)是一家位于印度合成生物学领域前沿的私营企业。该公司成立于1957年,由迪鲁拜•安巴尼(Dhirubhai Ambani)在孟买的Masjid Bunder创办,当时是一家小型纱线贸易公司,现已成长为印度最大的私营企业,业务遍及能源、环境、纺织和石化领域。 通过这些项目,RIL希望开发出为清洁地球提供动力的策略。目前,RIL的研发重点集中在三个关键领域:将有机废物转化为煤油和航空燃料,将麻疯树转化为航空燃料和生物柴油,将藻类转化为生物原油和化学品。农业是印度经济中最重要的部门,占印度国内生产总值(GDP)的18%,每年产生数百万吨的农业废弃物,RIL的研发工作有可能对印度农业产生重大影响。 RIL还在积极探索基于藻类的清洁地球战略。藻类是将阳光和二氧化碳转化为储存能量的高效转换器。基因编辑技术的进步可以显著提高藻类产量和/或光合作用捕获二氧化碳的能力——这是一种可能的生化生产策略,也可以降低大气中的二氧化碳水平,使地球变得更清洁。 里尔公司的Rcat HTL技术将食品废料和农业残渣中的有机成分转化为可再生的煤油和航空燃料。通过麻风树的多代回交,提高了麻风树的产量,为干旱条件下边缘土地上的麻风树种植园提供了潜在的商业机会。 RIL团队还致力于利用微生物从废物中生产有用的产品,并为环境的可持续发展做出贡献。例如,RIL在大肠杆菌和梭状芽孢杆菌中设计了新的代谢途径,使微生物能够从废糖和合成气中产生高价值的生化物质——有效地减少浪费,最大限度地利用合成气,同时生产特殊化学品。 RIL在藻类转化石油方面的努力使该公司对光合作用有了更好的定量理解。类似地,CRISPR和多组学平台等先进技术的强大能力将使RIL能够解决农业、卫生等领域的潜在机遇。 商业上的成功不必以牺牲企业或社会责任为代价 在追求利润的竞赛中,企业责任往往是商业成功的对立面。然而,成功并没有以牺牲RIL公司的可持续性为代价。随着新兴经济体对精细化学品的需求不断增长,预计到2023年,全球特种化学品市场规模将达到7822亿美元。由于它的重点是合成生物学研究,RIL准备享受一部分利润。 在经济成功的过程中,RIL没有忘记它对提高弱势群体人民生活质量的承诺。其慈善机构信实基金会成立于2010年,作为各种倡议的平台。目前,该基金会的重点是在农村转型、卫生、教育、体育促进发展、救灾、艺术、文化和遗产以及城市重建等领域创造变革。通过诸如Bharat-India-Jodo这样的项目,信实基金会已经影响了印度超过15500个村庄和100个城市地区的2000万人的生活。Bharat-India-Jodo项目帮助那些生计选择有限的农村农户,而城市更新计划则改善了公共空间。 合成生物学是一种强大的工具,可以同时为创收、环境修复和社会发展打开大门——对于印度这样的国家来说,这是至关重要的,因为大多数人口将直接和立即从合成生物学技术中受益。对于像RIL这样的公司来说,投资合成生物学是一个明智的举措,它们希望进入生物化学市场,注重环保,同时回馈社会。
  • 《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