自动取样反应器

摘要本期推文，编译了François Bertaux等发表在 Nature Communications期刊上的研究论文《使用 ReacSight 增强生物反应器阵列以实现自动测量和反应控制》（Enhancing bioreactor arrays for automated measurements and reactive control with ReacSight），介绍了 ReacSight，一种用于自动测量和反应实验控制的增强生物反应器阵列的策略。ReacSight 利用低成本移液机器人进行样品采集、处理和装载，并提供灵活的仪器控制架构。作者展示了 ReacSight 在涉及酵母的三种实验应用中的能力，包括：基因表达的实时光遗传控制；营养缺乏对健康和细胞应激的影响；对双菌株混合群落的组成进行动态控制。引言小规模、低成本的生物反应器正在成为微生物系统和合成生物学研究的有力工具。它们允许在长时间（几天）内严格控制细胞培养参数（例如温度、细胞密度、培养基更新率）。这些独特的特点使研究人员能够进行复杂的实验,并实现实验的高度再现性。例如，当药物选择压力随着耐药性的发展而增加时，抗生素耐药性的表征，细胞间通信合成路径的细胞密度控制表征，以及使用组合敲除文库在动态变化温度下酵母适应度的全基因组表征。原位光密度测量只能提供总生物量浓度及其增长率的信息，而荧光测量的灵敏度低，背景高。通常还必须测量和跟踪培养细胞群体的关键特征，如基因表达水平、细胞应激水平、细胞大小和形态、细胞周期进程、不同基因型或表型的比例。研究人员通常需要手动提取、处理和测量培养样本，以便通过更灵敏和专业的仪器（如细胞仪、显微镜、测序仪）进行检测。手动干预通常繁琐、容易出错，并严重限制了可用的时间分辨率和范围（即夜间无时间点）。它还阻碍了培养条件对此类措施的动态适应。这种反应性实验控制目前正引起系统生物学和合成生物学的兴趣。它既可以用来维持种群的某种状态（外部反馈控制），也可以用来最大化实验的价值（反应性实验设计）。例如，外部反馈控制可用于解开复杂的细胞耦合和信号通路调控，控制微生物群落的组成，或优化工业生物生产。反应性实验设计在长时间不确定实验（如人工进化实验）的背景下特别有用。通过实现实时参数推断和优化实验设计，也有助于加速基于模型的生物系统表征。原则上，商业机器人设备和/或定制硬件可用于将生物反应器阵列连接到敏感的多样本（通常接受 96 孔板作为输入）测量设备。然而，这对设备采购、设备成本和软件集成提出了巨大挑战。当一个功能平台建立起来时，相应硬件和软件的升级和维护也极具挑战性。因此，迄今为止报告的例子很少。例如，只有两个小组展示了细菌或酵母培养物的自动细胞术和反应性光遗传学控制，设置仅限于单个连续培养物或具有有限连续培养能力的多个培养物。一组还展示了自动显微镜和反应性光遗传学控制单个酵母连续培养。ReacSight， 一种通用且灵活的策略，用于增强生物反应器阵列的自动化测量和反应实验控制。ReacSight 非常适合集成开放源代码、开放硬件组件，但也可以容纳封闭源代码、 仅限 GUI 的组件（如细胞仪）。首先，作者使用 ReacSight 组装一个平台，实现基于细胞术的特征描述和平行酵母连续培养的反应性光遗传学控制。重要的是，作者构建了两个版本的平台，要么使用定制的生物反应器阵列，要么使用最新的低成本、开放硬件、商业化的光遗传学 Chi.生物反应器。然后，作者在三个案例研究中证明了它的有用性。首先，作者在不同的生物反应器中用光实现基因表达的并行实时控制。第二，作者利用高度受控和信息丰富的竞争分析，探讨营养缺乏对健康和细胞应激的影响。第三，作者利用平台的养分稀缺性和反应性实验控制能力，实现对两个菌株混合群落的动态控制。最后，为了进一步证明 ReacSight 的通用性，作者使用它来增强具有吸液能力的平板阅读器，并对大肠杆菌临床分离物进行复杂的抗生素处理。结果测量自动化、平台软件集成和 ReacSight 的反应性实验控制ReacSight 战略旨在增强用于自动测量和反应实验控制的生物反应器阵列， 以灵活和标准化的方式将硬件和软件元素结合起来（图 1）。吸管机器人用于以通用方式在任何生物反应器阵列和任何基于平板的测量设备之间建立物理连接（图 1a）。生物反应器培养物样本通过连接在机械臂上的泵控取样管线发送至移液机器人（取样）。使用移液机器人的一个主要优点是，在测量（处理）之前，可以在培养样本上自动执行不同的处理步骤。然后，样品由移液机器人转移至测量装置（装载）。当然，这需要测量设备的物理定位，以便当其装载托盘打开时，机器人手臂可以接近设备输入板的孔。部分接近设备输入板通常不是问题，因为机器人可用于在测量之间清洗输入板孔，允许随着时间的推移重复使用相同的孔（清洗）。重要的是，如果不需要反应性实验控制，或者如果不是基于测量，机器人功能也可以用于处理和存储培养样本，以便在实验结束时进行一次性离线测量，从而实现具有灵活时间分辨率和范围的自动测量。ReacSight 还提供了一些软件挑战的解决方案，这些软件挑战应该解决，以解锁多生物反应器的自动测量和反应实验控制（图 1b）。首先，需要对平台的所有仪器（生物反应器、移液机器人、测量设备）进行程序控制。其次，一台计算机应该与所有仪器进行通信，以协调整个实验。ReacSight 将 Python 编程语言的多功能性和强大功能与 Flask web 应用程序框架的通用性和可伸缩性相结合，以应对这两个挑战。事实上，Python 非常适合轻松构建 API 来控制各种仪器：有完善的开源库用于控制微控制器（如 Arduinos），甚至用于基于“点击”的控制 GUI 专用软件驱动缺少 API 的封闭源代码仪器（pyautogui）。重要的是，开源、低成本的吸管机器人 OT-2（Opentrons）附带了本地 Python API。Hamilton 机器人也可以通过 Python API 进行控制。然后，Flask 可用于公开所有仪器 API，以便通过本地网络进行简单访问。然后，从一台计算机协调对多个仪器的控制的任务基本上简化为发送 HTTP 请求的简单任务，例如使用 Python 模块请求。HTTP 请求 还可以使用社区级数字分发平台Discord 实现从实验到远程用户的用户友好通信。这种多功能仪表控制结构是 ReacSight 的关键组件。ReacSight 的另外两个关键组件是（1）通用的面向对象的事件实现（如果发生这种情况，请这样做），以促进反应性实验控制；（2）将所有仪器操作详尽记录到单个日志文件中。ReacSight 软件以及硬件的源文件在 ReacSight-Git 存储库中公开提供。图1 ReacSight：用于自动测量和反应实验控制的增强生物反应器阵列的策略。a 在硬件方面，ReacSight 利用吸管机器人（如低成本、开源 Opentrons OT-2）在任何多生物反应器设置（eVOLVER、Chi.Bio、custom……）和任何基于平板的测量设备（平板阅读器、细胞仪、高通量显微镜、pH 计……）的输入之间建立物理链接。如有必要，可使用移液机器人对生物反应器样本进行处理（稀释、固定、提取、纯化……），然后再装入测量装置。如果不需要反应实验控制，处理过的样品也可以存储在机器人平台上进行离线测量（OT-2 温度模块可以帮助保存对温度敏感的样品）。b 在软件方面，ReacSight 通过基于Python 和PythonWeb 应用程序框架 Flask 的多功能仪器控制体系结构实现了全平台集成。ReacSight 软件还提供了一个通用事件系统，以实现反应性实验控制。显示了反应实验控制的简单用例的示例代码。实验控制还可以使用Discord webhooks 将实验状态通知远程用户，并生成详尽的日志文件。曼森自动化高通量发酵实验室曼森机器人自动化技术可根据客户实际需求进行定制化（可实现硬件+软件协同）完成复杂流程自动化。机器人自动化技术与平行反应器组合为生物领域科学研究助力，是实现生物技术biofoundry的重要技术基础；曼森生物致力于满足客户自动化、高通量的需求，推进合成生物技术产品快速产业化。曼森高通量发酵平台曼森实验室自动化系列曼森高通量自动样品检测机器人未完待续文章来源：本文由中科院上海生命科学信息中心与曼森生物合作供稿排版校对：刘娟娟编辑 内容审核：郝玉有博士

编者按跟踪智慧实验室的理论研究发展状况、产业发展动态、主要设备供应商产品研发动态、国内外智慧实验室建设成果现状等信息内容。本文由中科院上海生命科学信息中心与曼森生物合作供稿。 本期推文， 编 译 了 Franç ois Bertaux 等 发 表 在 Nature Communications 期刊上的研究论文《使用 ReacSight 增强生物反应器阵列以实现自动测量和反应控制》（Enhancing bioreactor arrays for automated measurements and reactive control with ReacSight），介绍了 ReacSight，一种用于自动测量和反应实验控制的增强生物反应器阵列的策略。ReacSight 利用低成本移液机器人进行样品采集、处理和装载，并提供灵活的仪器控制架构。作者展示了 ReacSight 在涉及酵母的三种实验应用中的能力，包括：基因表达的实时光遗传控制；营养缺乏对健康和细胞应激的影响；对双菌株混合群落的组成进行动态控制。因文章篇幅较长，将分为三期来讲述。感谢关注！目录/CONTENT01/引言02/结果 2.1 测量自动化、平台软件集成和 ReacSight 的反应性实验控制 2.2 反应性光遗传控制和酵母连续培养的单细胞解析特性 2.3 使用光实时控制基因表达 2.4 探索营养缺乏对健康和细胞压力的影响 2.5 ReacSight 是一种通用策略：通过吸液功能增强平板阅读器03/讨论01引言小规模、低成本的生物反应器正在成为微生物系统和合成生物学研究的有力工具。它们允许在长时间（几天）内严格控制细胞培养参数（例如温度、细胞密度、培养基更新率）。这些独特的特点使研究人员能够进行复杂的实验,并实现实验的高度再现性。例如，当药物选择压力随着耐药性的发展而增加时，抗生素耐药性的表征，细胞间通信合成路径的细胞密度控制表征，以及使用组合敲除文库在动态变化温度下酵母适应度的全基因组表征。原位光密度测量只能提供总生物量浓度及其增长率的信息，而荧光测量的灵敏度低，背景高。通常还必须测量和跟踪培养细胞群体的关键特征，如基因表达水平、细胞应激水平、细胞大小和形态、细胞周期进程、不同基因型或表型的比例。研究人员通常需要手动提取、处理和测量培养样本，以便通过更灵敏和专业的仪器（如细胞仪、显微镜、测序仪）进行检测。手动干预通常繁琐、容易出错，并严重限制了可用的时间分辨率和范围（即夜间无时间点）。它还阻碍了培养条件对此类措施的动态适应。这种反应性实验控制目前正引起系统生物学和合成生物学的兴趣。它既可以用来维持种群的某种状态（外部反馈控制），也可以用来最大化实验的价值（反应性实验设计）。例如，外部反馈控制可用于解开复杂的细胞耦合和信号通路调控，控制微生物群落的组成，或优化工业生物生产。反应性实验设计在长时间不确定实验（如人工进化实验）的背景下特别有用。通过实现实时参数推断和优化实验设计，也有助于加速基于模型的生物系统表征。原则上，商业机器人设备和/或定制硬件可用于将生物反应器阵列连接到敏感的多样本（通常接受 96 孔板作为输入）测量设备。然而，这对设备采购、设备成本和软件集成提出了巨大挑战。当一个功能平台建立起来时，相应硬件和软件的升级和维护也极具挑战性。因此，迄今为止报告的例子很少。例如，只有两个小组展示了细菌或酵母培养物的自动细胞术和反应性光遗传学控制，设置仅限于单个连续培养物或具有有限连续培养能力的多个培养物。一组还展示了自动显微镜和反应性光遗传学控制单个酵母连续培养。 ReacSight， 一种通用且灵活的策略，用于增强生物反应器阵列的自动化测量和反应实验控制。ReacSight 非常适合集成开放源代码、开放硬件组件，但也可以容纳封闭源代码、 仅限 GUI 的组件（如细胞仪）。首先，作者使用 ReacSight 组装一个平台，实现基于细胞术的特征描述和平行酵母连续培养的反应性光遗传学控制。重要的是，作者构建了两个版本的平台，要么使用定制的生物反应器阵列，要么使用最新的低成本、开放硬件、商业化的光遗传学 Chi.生物反应器。然后，作者在三个案例研究中证明了它的有用性。首先，作者在不同的生物反应器中用光实现基因表达的并行实时控制。第二，作者利用高度受控和信息丰富的竞争分析，探讨营养缺乏对健康和细胞应激的影响。第三，作者利用平台的养分稀缺性和反应性实验控制能力，实现对两个菌株混合群落的动态控制。最后，为了进一步证明 ReacSight 的通用性，作者使用它来增强具有吸液能力的平板阅读器，并对大肠杆菌临床分离物进行复杂的抗生素处理。02结果2.1 测量自动化、平台软件集成和 ReacSight 的反应性实验控制ReacSight 战略旨在增强用于自动测量和反应实验控制的生物反应器阵列， 以灵活和标准化的方式将硬件和软件元素结合起来（图 1）。吸管机器人用于以通用方式在任何生物反应器阵列和任何基于平板的测量设备之间建立物理连接（图 1a）。生物反应器培养物样本通过连接在机械臂上的泵控取样管线发送至移液机器人（取样）。使用移液机器人的一个主要优点是，在测量（处理）之前，可以在培养样本上自动执行不同的处理步骤。然后，样品由移液机器人转移至测量装置（装载）。当然，这需要测量设备的物理定位，以便当其装载托盘打开时，机器人手臂可以接近设备输入板的孔。部分接近设备输入板通常不是问题，因为机器人可用于在测量之间清洗输入板孔，允许随着时间的推移重复使用相同的孔（清洗）。重要的是，如果不需要反应性实验控制，或者如果不是基于测量，机器人功能也可以用于处理和存储培养样本，以便在实验结束时进行一次性离线测量，从而实现具有灵活时间分辨率和范围的自动测量。ReacSight 还提供了一些软件挑战的解决方案，这些软件挑战应该解决，以解锁多生物反应器的自动测量和反应实验控制（图 1b）。首先，需要对平台的所有仪器（生物反应器、移液机器人、测量设备）进行程序控制。其次，一台计算机应该与所有仪器进行通信，以协调整个实验。ReacSight 将 Python 编程语言的多功能性和强大功能与 Flask web 应用程序框架的通用性和可伸缩性相结合，以应对这两个挑战。事实上，Python 非常适合轻松构建 API 来控制各种仪器：有完善的开源库用于控制微控制器（如 Arduinos），甚至用于基于“点击”的控制 GUI 专用软件驱动缺少 API 的封闭源代码仪器（pyautogui）。重要的是，开源、低成本的吸管机器人 OT-2（Opentrons）附带了本地 Python API。Hamilton 机器人也可以通过 Python API 进行控制。然后，Flask 可用于公开所有仪器 API，以便通过本地网络进行简单访问。然后，从一台计算机协调对多个仪器的控制的任务基本上简化为发送 HTTP 请求的简单任务，例如使用 Python 模块请求。HTTP 请求 还可以使用社区级数字分发平台Discord 实现从实验到远程用户的用户友好通信。这种多功能仪表控制结构是 ReacSight 的关键组件。ReacSight 的另外两个关键组件是（1）通用的面向对象的事件实现（如果发生这种情况，请这样做），以促进反应性实验控制；（2）将所有仪器操作详尽记录到单个日志文件中。ReacSight 软件以及硬件的源文件在 ReacSight-Git 存储库中公开提供。图1 ReacSight：用于自动测量和反应实验控制的增强生物反应器阵列的策略。a 在硬件方面，ReacSight 利用吸管机器人（如低成本、开源 Opentrons OT-2）在任何多生物反应器设置（eVOLVER、Chi.Bio、custom……）和任何基于平板的测量设备（平板阅读器、细胞仪、高通量显微镜、pH 计……）的输入之间建立物理链接。如有必要，可使用移液机器人对生物反应器样本进行处理（稀释、固定、提取、纯化……），然后再装入测量装置。如果不需要反应实验控制，处理过的样品也可以存储在机器人平台上进行离线测量（OT-2 温度模块可以帮助保存对温度敏感的样品）。b 在软件方面，ReacSight 通过基于Python 和PythonWeb 应用程序框架 Flask 的多功能仪器控制体系结构实现了全平台集成。ReacSight 软件还提供了一个通用事件系统，以实现反应性实验控制。显示了反应实验控制的简单用例的示例代码。实验控制还可以使用Discord webhooks 将实验状态通知远程用户，并生成详尽的日志文件。03曼森自动化高通量发酵实验室曼森机器人自动化技术可根据客户实际需求进行定制化（可实现硬件+软件协同）完成复杂流程自动化。机器人自动化技术与平行反应器组合为生物领域科学研究助力，是实现生物技术biofoundry的重要技术基础；曼森生物致力于满足客户自动化、高通量的需求，推进合成生物技术产品快速产业化。曼森高通量发酵平台曼森实验室自动化系列曼森高通量自动样品检测机器人未完待续Mediacenter Editor | 曼森编辑文章来源：本文由中科院上海生命科学信息中心与曼森生物合作供稿排版校对：刘娟娟编辑 内容审核：郝玉有博士

本篇承接上文，《使用ReacSight增强生物反应器阵列以实现自动测量和反应控制（上）》（点击查看）。2.2反应性光遗传控制和酵母连续培养的单细胞解析特性作者首次应用ReacSight策略的动机是酵母合成生物学应用。在这种情况下，精确控制合成路径并在定义明确的环境条件下测量其输出，并具有足够的时间分辨率和范围是至关重要的。光遗传学为控制合成路径提供了一种极好的方法，生物反应器支持的连续培养是对环境条件进行长时间严格控制的理想方法。为了测量单个细胞的路径输出，细胞术提供了高灵敏度和高通量。因此，借助ReacSight策略，利用台式细胞仪作为测量设备，组装了一个完全自动化的实验平台，实现了对酵母连续培养物的反应性光遗传学控制和单细胞解析表征（图2a）。补充说明2提供了平台硬件和软件的详细信息，此处仅讨论关键要素。八个反应器与移液机器人相连，这意味着每个时间点都会填满一列取样板。虽然机器人可以接触到三列细胞仪输入板，但作者仅使用一列，由机器人进行广泛清洗，以实现小于0.2%的残留，使用免疫磁珠进行验证。通常在机器人平台上安装两个倾翻箱和两个取样板（2×96=192个样本），因此，在没有任何人为干预的情况下，八个反应器中的每一个都有24个时间点。为了实现基于细胞数据的反应性实验控制，作者开发并实施了算法，以在重叠荧光团之间执行自动选通和光谱反褶积（图2b）。作者首先通过对组成性表达来自染色体整合转录单位的各种荧光蛋白的酵母菌株进行长期恒浊培养来验证平台的性能（图2c）。荧光团水平的分布是单峰的，随着时间的推移是稳定的，正如在具有组成型启动子的稳定生长条件下所预期的那样。mNeonGreen和mScarlet-I在单色和三色菌株之间的分布完全重叠。这与从强pTDH3启动子表达一个或三个荧光蛋白对细胞生理学的影响可以忽略不计的假设是一致的，并且三色菌株中转录单位的相对位置（mCerulean第一，mNeonGreen第二，mCarlet-I）对基因表达的影响很小。与单色品系相比，三色品系中测得的mCerulean水平略高（~15%）。这可能是由于反褶积中的残余误差造成的，与自荧光和mNeonGreen相比，mCerulean的亮度较低加剧了这种误差。为了验证平台的光遗传学能力，作者构建了一个基于EL222系统17的光诱导基因表达路径并对其进行了表征（图2d）。正如预期的那样，应用不同的蓝光开-关时间模式导致荧光团水平的动态分布覆盖范围很广，从接近零水平（即几乎无法与自体荧光区分）到超过强组成启动子pTDH3获得的水平。高诱导表达水平的细胞间变异性也很低，变异系数（CV）值与pTDH3启动子相当（0.22vs0.20）。作者组装的第一个平台使用了一个预先存在的定制光生生物反应器阵列。这种设置有几个优点（可靠性、工作容量范围广），但其他实验室无法轻易复制。由于ReacSight架构的模块化，可以通过将这个定制的生物反应器阵列与最近描述的开放硬件、光遗传学就绪的商用Chi.生物反应器（图2a（右图））交换，快速构建具有类似功能的平台的第二个版本。为了验证该平台的另一版本的性能，作者使用图2d中相同的菌株进行了光诱导实验，并获得了各种光诱导曲线的极好的反应器到反应器再现性。图2基于ReacSight的自动化平台组装，实现对酵母连续培养物的反应性光遗传学控制和单细胞解析表征。a平台概述。OpentronsOT-2移液机器人用于将支持光基因的多生物反应器连接到台式细胞仪（GuavaEasyCyte14HT，Luminex）。机器人用于稀释细胞仪输入板中的新鲜培养样本，并在时间点之间清洗。“点击”Python库pyautogui用于创建细胞仪仪器控制API。定制算法是在Python中开发和实现的，用于实时自动选通和去卷积细胞数据。使用定制的生物反应器装置（左图）或Chi生物反应器（右图）组装了两个版本的平台。b选通和反褶积算法说明。例如，显示了重叠荧光团mCerulean和mNeonGreen之间的反褶积。c多代单细胞基因表达分布的稳定性。从pTDH3启动子驱动的转录单位中组成性表达mCerulean、mNeonGreen或mCarlet-I的菌株（“三色”菌株），整合到染色体中，在浊度调节器模式下生长（OD设定值=0.5，上限图），每小时采集一次细胞仪（垂直绿线）。所有时间点的荧光强度分布（通过高斯核密度估计进行平滑）（选通、反褶积和前向散射归一化后，FSC）用不同的颜色阴影绘制在一起（下图）。RPU：相对启动子单位（见方法）。为了简单起见，未显示“三色”的OD数据，与其他类似。d基于EL222系统的光驱动基因表达电路的特性。应用三种不同的开-关蓝光时间剖面图（底部），每45分钟采集一次细胞仪。门控、去卷积、FSC标准化数据的中位数如图所示（顶部）。此图中显示的所有生物反应器实验均在同一天与定制生物反应器平台版本并行进行。源数据作为源数据文件提供。2.3使用光实时控制基因表达为了展示平台的反应性光遗传控制能力，作者开始动态适应光刺激，以便将荧光团水平保持在不同的目标设定点。这种用于体内基因表达调控的电子反馈有助于在存在复杂细胞调控的情况下剖析内源性路径的功能，并有助于将合成系统用于生物技术应用。作者首先构建并验证了光诱导基因表达的简单数学模型（图3a）。将三个模型参数与图2d的表征数据进行联合拟合，得到了良好的定量一致性。考虑到模型假设的简单性，这一点值得注意：光激活下的mRNA生成速率恒定，每mRNA的翻译速率恒定，mRNA（大部分降解，半衰期为20分钟）和蛋白质（大部分稀释，半衰率为1.46小时）的一级衰变。因此，当实验条件得到很好的控制并且数据得到适当的处理时，人们可以希望用一小套简单的过程来定量地解释生物系统的行为。然后，作者将拟合模型合并到模型预测控制算法中（图3b）。该算法与ReacSight事件系统一起，实现了对不同反应器中不同目标的荧光水平的精确实时控制（图3c）。为了进一步证明平台的稳健性和再现性，作者在几个月后进行了另一个单8反应器实验，涉及两个荧光团目标水平的四个重复反应器运行。所有的重复都能很好地跟踪目标，并且控制算法决定的光分布在相同目标的重复之间非常相似，但并不完全相同。作者还研究了之前使用的诱导系统在更长时间尺度上的遗传稳定性。遗传稳定性是工业生物生产的一个重要因素。作者观察到，EL222驱动的mNeonGreen蛋白的诱导可以持续5天以上，并且具有很好的稳定性（图3d顶部）。更进一步，作者测试了同一蛋白的分泌版本是否表现出类似的表达稳定性。作者观察到，诱导约2天后细胞水平显著降低。细胞异质性也增加了（图3d右侧）。为了弥补细胞水平的下降，作者将表达盒整合成多个拷贝（三次，串联染色体插入）。诱导后，获得了非常高的荧光水平（图3d底部）。令人惊讶的是，这些水平比非分泌蛋白高一个数量级，并伴随着强烈的应激，正如未折叠蛋白应激报告所反映的那样（pUPRmScarletI）。诱导后，细胞内蛋白质水平逐渐下降。细胞内蛋白质水平显示出明显的双峰分布，强烈的遗传不稳定性迹象（图3d右侧）。最后，当以最大诱导水平的三分之一诱导时，相同的三重拷贝结构表现出非单调行为：高水平初始反应，随后细胞内水平缓慢下降，如完全诱导的三重结构，随后长期内部高蛋白水平的非预期缓慢恢复（图3d底部）。这种恢复可以通过细胞适应高生产需求来解释，或者更可能的是，通过选择高产亚群来解释，该亚群能够更好地保存HIS3选择标记，即使在完全培养基中也具有轻微的生长优势。这个实验证明了作者的平台能够执行长时间的实验，并以相对较高的时间分辨率提供单小区信息。此外，它促使探索和利用营养素可用性对健康和压力的影响。图3闭环：使用光实时控制基因表达。a光驱动基因表达电路的简单ODE模型拟合到图2d的表征数据。拟合参数为γm=2.09h−1，σ=0.64RPU小时−1，γFP=0.475小时−1km被任意设置为等于γm，以仅允许从蛋白质中值水平识别参数。b实时控制基因表达的策略。每小时进行一次细胞仪采集，在选通、反褶积和FSC归一化后，数据被送入模型预测控制（MPC）算法。该算法使用该模型搜索10个周期为30分钟的工作循环（即5小时的后退地平线）的最佳占空比序列，以跟踪目标水平。c四种不同目标水平的实时控制结果，在不同的生物反应器中并行执行（自定义设置）。左：单个单元格的中位数（控制值）。右：单细胞随时间的分布。请注意，所有绘图都使用线性比例。d表达系统的长期稳定性和蛋白质分泌的影响。表达EL222驱动的mNeonGreen荧光报告子的细胞，无论是否分泌，在浊度调节器中生长5天，每2小时进行一次细胞仪测量。表示整个实验期间的平均表达水平。荧光分布也显示在选定的时间点（诱导后0、6、48和120小时）。细胞也有分泌应激的荧光报告子（pUPRmScarlet-I）。还提供了三个拷贝中整合的mNeonGreen报告蛋白的分泌形式的结果。相关蛋白（mNeonGreen水平）和应激水平（mCarlet-I水平）分布的时间演变如补充图11和12所示。源数据作为源数据文件提供。曼森生物高通量菌株筛选平台技术上海曼森生物科技公司专注于高通量、自动化、智能化实验室技术产品开发，逐步形成了全自动化的高通量菌株筛选平台技术，可根据用户需求定制化高通量全自动菌株筛选平台。每天筛选通量可从几千到10万，是人工通量的几十倍上百；在传统生物技术上，加速工业化菌株的遗传进化，帮助提高底物转化率和产量提升；在合成生物技术上，可为选择的平台化合物表达菌株的遗传稳定性、表观遗传进化提升效率。此外高通量筛选必须有高通量的自动化分析检测技术支撑方能发挥最大价值。曼森高通量自动样品检测机器人文章来源：本文由中科院上海生命科学信息中心与曼森生物合作供稿排版校对：刘娟娟编辑内容审核：郝玉有博士