DNA合成重大突破：大幅缩短构建新基因序列的时间

# 廉价、快速的DNA合成释放了AI生成基因组的潜力 来源: https://spectrum.ieee.org/faster-dna-synthesis-sidewinder 一种DNA写入新方法有望释放生物学中生成式AI（https://spectrum.ieee.org/tag/generative-ai）的潜力，为科学家提供一种快速、廉价且准确的方式，将预测模型现在生成速度快于任何人造序列速度的新型基因序列物理构建出来。 这项名为Sidewinder的技术可以在单个试管中同时组装数十个基因序列，每1000万个组装事件仅产生一个错误连接——这一精度远超传统方法，传统方法大约每10到30次连接就会出错一次。Sidewinder还利用了廉价的原材料，而这些原材料此前因难以可靠使用而被弃用。 英国布里斯托尔大学的生物工程师Thomas Gorochowski（https://www.bristol.ac.uk/people/person/Thomas-Gorochowski-a612576a-e38a-47aa-bbb6-c79a3126f5be/）表示：“这是一次阶跃变化。”他并未参与这项研究。“它真正开启了合成大型遗传系统（甚至可能是小型基因组）的可行性。”他补充说，这对于“目前围绕生成式基因组序列（https://spectrum.ieee.org/tag/genome）出现的大量AI技术来说至关重要。” 这项进展于本月早些时候在加利福尼亚州圣何塞举行的SynBioBeta 2026上展示（https://www.syntheticbiologysummit.com/2026-speakers/kaihang-wang?gclid=Cj0KCQjw2MbPBhCSARIsAP3jP9xOmPZuVh6zGZ4shlq8dx-NagHU9R7slxbWkg0zNrgR3dHwpwg9IF8aAuBSEALw_wcB），并在**bioRxiv**上发布的预印本（https://www.biorxiv.org/content/10.64898/2026.05.01.722326v1）中详细描述，它解决了现代基因组研究（https://spectrum.ieee.org/tag/genomics）中最棘手的不匹配问题之一。像Evo 2这样的生成式AI工具，经过数百万种生物遗传密码的训练，可以以极快的速度按需设计新的DNA序列（https://spectrum.ieee.org/synthetic-biology-ai-adrian-woolfson）。但在实验室中物理构建长DNA序列仍然缓慢且昂贵，尤其是当需要同时构建数十种不同设计（而非一次一个序列）时，而这正是大规模测试AI预测所需的条件。 相关: 生物学家能否重写基因组的意大利面条式代码？（https://spectrum.ieee.org/synthetic-biology-ai-adrian-woolfson） 为了证明Sidewinder如何精准地针对这一瓶颈，由加州理工学院（https://spectrum.ieee.org/tag/caltech）合成生物学家Kaihang Wang（https://www.bbe.caltech.edu/people/kaihang-wang）领导的团队利用Evo 2的能力，在计算机中对**大肠杆菌（https://spectrum.ieee.org/tag/e-coli）**基因组的12,500个碱基长的DNA序列进行了重新设计，然后使用Sidewinder从头构建——且无错误。这种长度的序列可以编码完整的生化通路，为工程改造微生物（https://spectrum.ieee.org/tag/microbes）以制造药物、生物燃料（https://spectrum.ieee.org/tag/biofuels）或特种化学品奠定基础，并最终实现接近完整人工基因组的庞大DNA构建体的组装。 斯坦福大学（https://spectrum.ieee.org/tag/stanford）计算生物学家、（其（https://www.nature.com/articles/s41586-026-10176-5）团队开发了Evo 2的）Brian Hie（https://profiles.stanford.edu/brian-hie）表示，根据他团队使用传统商业方法的经验，过去这样一个项目可能需要一个多月。“有了这样一项技术，”他说，“你可能只需几天就能完成同样的事情。” 四位身着商务休闲装的男士在现代办公休息室里微笑。[从左至右] Noah Robinson、Kaihang Wang、Adrian Woolfson和Brian Hie共同创立了一家名为Genyro的公司。Marcus Ubungen ## 一种新的组装逻辑 这种新方法建立在Wang及其同事今年年初在**Nature**上首次概述（https://www.nature.com/articles/s41586-025-10006-0）的DNA合成策略之上，但能力大幅提升。 得益于一种新算法（该算法自动化了流程中计算最密集的部分）以及实验室在原材料管理方面的创新，现在可以同时合成更大、更多的DNA构建体。这开启了包括药物发现（https://spectrum.ieee.org/tag/drug-discovery）、数据存储（https://spectrum.ieee.org/dna-data-storage）和合成生物（https://spectrum.ieee.org/launched-a-factory-for-making-weird-new-organisms）设计在内的应用。 Gorochowski说：“探索这些事物的速度就这样大幅提升了。” 要理解Sidewinder的工作原理，首先需要了解实验室中DNA的典型制造方式。这个过程始于短链的化学合成片段，称为寡核苷酸或寡链，它们是组装更长序列的分子字母积木。 单独订购寡链可靠但昂贵。科学家多年前就发现，可以通过在单个池中同时合成数千种不同的寡链来大幅降低成本。但这会制造出一锅混乱的混合物，其中片段会与意外的伙伴纠缠，导致错误。 从这样的池中分选出特定序列传统上需要复杂的分离步骤：物理分割片段、将其隔离在微小液滴中，或使用激光将其逐一钓出。每种方法都增加了成本、时间和专用设备。 加州理工学院团队完全绕过了这个问题。 ## DNA的页码 Sidewinder也始于寡链——任何人都可以从GenScript（https://www.genscript.com/）或Twist Bioscience（https://www.twistbioscience.com/）等DNA合成供应商处购买的那种——但为每个片段标记了一个独特的分子条形码。这个短的识别序列确保每个片段仅与它应该配对的下一个片段连接，从而产生所需的基因序列。当两个带有条形码的片段相遇时，它们形成化学家所说的三叉连接：一种瞬时的分子结，将片段锁定在对齐位置，然后被干净地移除，留下一个无缝的链。 Wang将这些条形码比作页码。传统组装如同整理一份没有页码的手稿，通过匹配一页的最后一行与下一页的第一行——对于短文档可行，但对于重复序列则是一场混乱——而Sidewinder的条形码则引导每个片段与其正确的伙伴配对，无论它携带什么序列。 然而，最初的Sidewinder协议需要计算密集的运算来设计这些条形码，随着片段数量的增加，这变得不切实际地缓慢。 一位前加州理工学院本科生Jean-Sebastien Paul（https://profiles.stanford.edu/jean-sebastien-paul）开发了一种变通方法。Paul曾在Wang的实验室工作一个夏天，他现在在斯坦福大学攻读博士学位，他构建了一个名为PyWinder的软件工具，可以在标准笔记本电脑上几分钟内生成条形码，取代了之前因速度太慢而无法扩展的计算。 生物工程师Noah Robinson（https://wanglab.caltech.edu/people/noah-robinson）是Wang实验室的博士后，也是原始Sidewinder方法的共同开发者，他还对该方法进行了调整，使其能够使用廉价、大规模生产的DNA原料，进一步减少了时间和成本。 Wang和Robinson，与Hie和企业家Adrian Woolfson（https://adrianwoolfson.com/about/）一起，共同创立了一家名为Genyro（https://www.genyro.com/）的公司——将该技术商业化，希望通过向制药（https://spectrum.ieee.org/tag/pharmaceutical）和生物技术客户收费来盈利。然而，据Robinson称，他们打算让Sidewinder平台广泛适用于学术研究界。 Robinson说：“我们真的希望这能成为一个赋能平台。我们希望人们能够用这项技术做出酷炫的事情。”