一、合成生物學簡述
合成生物學(Synthetic Biology)是一個跨學科領域,其將工程原理應用於生物學,目標是開發具有新功能的生物系統。例如:研究人員可以直接製作氨基酸序列來設計合成蛋白質。這些經過合成出的產品可用於改善農業、醫療保健、食品和飲料等等。目前合成生物學在醫療領域的技術主要包含:基因編碼控制、基因重組、和基因迴路系統改變微生物代謝途徑等等,圖一簡述各項技術特性,而這些技術可用來作為微生物製藥開發、基因組小型化、控制多種上下游的基因訊息,將代謝產物引導至目標分子合成。以下我們將針對合成生物學在藥物探索與疾病診斷等兩項應用領域進行介紹,並列舉創新產品與技術以供參考。
二、合成生物學於藥物探索之應用
(1) 目標物識別 (Target Identification)
過去由於多種疾病的病理生理學尚屬未知,因此開發有效治療藥物相當具挑戰性。合成生物學可建構多種細胞模型來辨別藥物目標,基因迴路(Genetic circuits)可即時監測活細胞中的活動,了解細胞內動態調節和表型變化的反應。
(2) 篩選 (Screening)
合成生物學在酶工程(Enzyme Engineering)和抗體工程(Antibody Engineering)上相較於傳統方法更具優勢,DNA基因庫可使藥物篩選程序更加完整,且降低開發成本。生物資訊科學(Bioinformatics)可運用於篩選不具功能的藥物,透過數千或數百萬次的模擬計算來調整實驗的藥物選擇,並達到最佳的效能。
(3) 驗證 (Validation)
過去藥物開發中的驗證過程通常需要2到6個月,也缺乏生物標記物來客觀的評估。合成生物學透過高通量的篩選可以識別多種化合物,同時也引進實驗室機器人技術,準確地執行大量的細胞和分析實驗,增加可測試的分子數量。透過仔細嚴謹的驗證過程選擇出最佳的候選藥物,以減少後續步驟失敗的機會。
(4) 毒理學 (Toxicology)
藥物開發過程中,化合物皆需經過相當耗時的毒理學和動物實驗。合成生物學可以透過基因迴路的回饋,對活性氧、金屬離子、蛋白質堆疊、DNA損傷或滲透壓水平的變化做出反應。其他還有如3D組織模型、3D體外細胞培養模型、感測器模型等等,幫助減少藥物開發時有毒中間物的產生。
(5) 動物模型(Animal Models)
合成生物學中許多的體外細胞模型(In vitro models)可幫助了解疾病表型、驗證遺傳變異造成的疾病,可作為動物研究的輔助。例如,使用器官晶片(Organ-on-chip)或類器官(Organoids)來製造人體器官的微環境,模擬疾病的病理狀況和評估藥物的反應。
(6) 異質性患者 (Heterogeneous Patients)
目前許多臨床實驗的失敗可歸因於患者人群的異質性,因此需要更大規模、複雜且昂貴的臨床試驗。為了解決此問題,合成生物學方法利用生物標記物的確定,來增加臨床試驗設計的完整性,目標為在同一試驗下評估新的治療方法。
三、合成生物學於疾病診斷之應用
(1) 診斷程序之優化
傳統疾病診斷需要在實驗室進行檢驗,檢體無法即時檢驗常導致測試結果之不確定性。合成生物學使得診斷程序可以透過居家/床邊檢測(Point-of-Care Testing)來執行,包含了使用以紙為基底的檢驗、感測和處理生物訊號的系統等。
(2) 數據傳輸和與治療的連結
數據的傳輸涉及許多步驟且相當耗時,許多治療因此會被延遲。合成生物學可利用如區塊鏈、中心化診斷、自動化等技術,整合成為檢測平台,用於大規模診斷。數據傳輸可以即時進行,並直接與治療端連結。
(3) 在實驗室外進行檢測並保有測試結果之一致性
某些檢測可能需要在實驗室以外的地點進行即時檢測,但其結果卻可能與在實驗室進行測試時的結果不同,保有測試結果一致性是疾病檢測之重大挑戰。合成生物學可在居家照護/床邊檢測情況下,使用實驗室晶片(Lab-on-Chip)方法來檢測多種生物標記物,包含了對照生物標記物,並藉由控制組的對照即能解決此種差異。
(4) 基因定序的診斷
使用PCR、qPCR或次世代基因定序(NGS)在癌症的診斷中相當普遍,然而開發仍涉及高成本。合成生物學的方法能夠將識別突變的時間從數週減少到數小時,有助於降低診斷開發之成本。
(5) 樣本管理
慢性感染組織中少量的病原體的異質性分佈,使得樣本收集和製備成為具挑戰性的任務。而合成生物學所採用的測試並不直接將組織檢體進行病理學分析,而是透過如血液和汗液等分泌物,針對其DNA、RNA、蛋白質生物標記物進行檢測,因此不再需要對組織檢體進行成像,大幅提升樣本管理流程效率。
(6) 降低汙染風險
檢驗樣本多數在實驗室以外的地點進行收集,而測試則在實驗室進行,這涉及許多手動操作和移動的過程,因此樣品存在著汙染風險。實驗室晶片則可以達到居家/床邊診斷的目的,免去物流傳輸過程,因而降低污染風險。
四、創新技術產品案例
(1) DNA合成晶片(開發者: Evonetix Ltd., 英國)
Evonetix使用微機電系統開發了用矽為基底的晶片,其可以控制晶片表面上數千格獨立控制的反應位點,讓DNA同時地大規模合成。該晶片與化學或酶為基底的DNA合成方法相容,合成之後,其也有識別和除錯的過程,提供比傳統方法更高的準確性,可以應用於DNA基因庫幫助藥物發現。
(2) 酶工程技術平台(開發者: Codexis Inc., 美國)
Codexis專有的CodeEvolver技術平台,整合了資料庫設計、建構、蛋白質表達、篩選和定序,該平台可以透過機器學習和演算法預測蛋白質工程後的可能構型,並增加酵素之活性、特異性、穩定性,縮短酶優化改良的時間,達成定向演化,幫助新的生物催化劑和候選藥物的發展。
(3) miRNA技術平台(開發者: Destina Genomics Ltd., 英國)
Destina Genomics所發展的DGL-Tech™與ChemiRNA™ Tech技術,透過先讓檢體未知的miRNA雜交(Hybridzation)後,其留下未互補的位置即為突變位置,透過加入具有標定的鹼基後即能了解突變序列。該技術已可檢測和量化體液中的miRNA,應用於疾病診斷平台。
(4) 微陣列檢測平台(開發者: AutoGenomics Inc., 美國)
AutoGenomics開發了一套INFINITI®系統,可以處理其專有的BioFilmChip® 微陣列,該微陣列內可以使單一樣品在陣列種檢測數百種生物標記物。此技術顯著改善了臨床實驗室的效率、工作流程、成本。該公司目前正針對癌症、心臟病、和精神健康等疾病進行早期檢測和疾病管理之相關產品開發。