自动化合成反应器

【研究背景】光催化反应是一种利用光照激发反应物分子或催化剂的化学反应，因其在环境治理、能源转化等领域的广泛应用而受到广泛关注。与传统的批量光催化反应器相比，流动光催化微反应器具有更高的反应速度和效率，能够在较短时间内完成化学反应。这得益于微流体技术所带来的优良质量和热传递特性。然而，尽管现有流动光催化系统的反应速度有了显著改善，但其通量依然低于当前化学合成研究中对数据量的需求，这制约了基于大数据的人工智能（AI）技术在化学合成中的应用。缺乏大量可靠的高质量数据成为了主要挑战之一。近日，来自浙江大学化学系陆展、方群教授（杰青）、潘建章课题组以及Guang-Yong Chen携手在光催化反应的自动化高通量系统方面取得了新进展。该团队设计并开发了一种新型的机器人系统，结合了液核波导、微流体液体处理和人工智能技术，实现了超高通量的化学合成与在线表征。该系统能够自动执行反应物混合物的制备和引入，并在几秒钟内完成超快速的光催化反应，同时进行在线光谱检测以获取反应产物的信息。这项创新的工作使得系统的通量达到每天高达10,000种反应条件的水平。利用该高通量系统，研究团队在光催化 环加成反应的条件筛选中，成功筛选了12,000种不同的反应条件，显著提高了反应的效率和数据的可靠性。基于这些丰富的数据，研究人员还进行了AI辅助的跨底物/光催化剂预测。这项研究不仅为化学合成提供了新的技术路径，也为AI在化学领域的应用奠定了基础，具有重要的理论意义和应用价值。【表征解读】本文通过在线紫外-可见吸收光谱法的原理，结合流体动力学的基础，首次研发了在线UV-Vis吸收光谱检测模块。该模块利用一根6&thinsp cm长的熔融石英毛细管作为检测流动池，具有效的检测光程为240&thinsp μm，成功地实现了对光催化环加成反应的在线实时监测，从而表征发现了反应过程中底物和产物之间的明显吸收变化。这一成果最终揭示了反应动力学的变化规律和反应机制。针对光催化反应过程中光催化剂与底物之间的相互作用，本文通过对比传统10&thinsp mm比色皿和250&thinsp μm毛细管中的吸收光谱，验证了所研发模块的可行性，得到了260&thinsp nm以上波长处良好的一致性。这表明，该毛细管可以有效用于在线UV-Vis吸收光谱检测，尤其是在大多数有机合成混合物在260&thinsp nm以上的显著吸收特性下，增强了反应监测的灵敏度和准确性。通过对不同反应条件下底物S-1和产物P-1的吸收光谱进行测量，发现随着底物的消耗，293.3&thinsp nm处的吸收值逐渐降低，揭示了反应的转化过程和产物生成的动态信息。在此基础上，本文还通过人工智能技术对非稳态吸收数据进行了处理与预测。利用12,000个样本的数据集，采用主成分分析（PCA）和多种回归模型（如XGB回归、支持向量回归等），实现了对稳态吸收数据的预测。这一方法不仅提高了数据处理的效率，也为理解反应机制提供了新的视角。此外，通过Mordred分子描述符的计算，实现了不同底物和光催化剂之间的交叉预测，进一步拓展了仪器的应用范围。综上所述，本文的仪器研发与数据分析手段相结合，为光催化反应的实时监测与分析提供了强有力的工具，揭示了反应的复杂机制，为未来相关领域的研究奠定了基础。这种新的在线监测方法不仅具有广泛的应用潜力，也为化学反应动力学的研究开辟了新的路径。自动化超高通量光催化合成与筛选系统的流体通道和设置参考文献Lu, JM., Wang, HF., Guo, QH. et al. Roboticized AI-assisted microfluidic photocatalytic synthesis and screening up to 10,000 reactions per day. Nat Commun 15, 8826 (2024). https://doi.org/10.1038/s41467-024-53204-6

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

我们非常荣幸地为您介绍EasyMax&trade 新一代合成反应器。 EasyMax&trade 是第一台仅需少量培训就可轻松使用的自动化学合成反应器。 触摸屏控制界面 无需油浴和冰水浴 新的控温原理 良好的控制功能 实时数据记录功能 清晰的视窗：超强的背景灯保证清晰的视窗 强大的控温：高效的固态控温系统无需外界冷却器，可以精确、反复地控制反应体系的温度。 灵活的体积：可适配不同工作体积的反应釜（10ml &ndash 150ml），即相应的操作体积为1ml到150ml。 方便触摸屏：只要触摸一下屏幕，所有操作（温度、搅拌和加料）即可轻松完成。 多语言界面：轻点按键即可激活其用语言选择功能。 轻松的数据：记录整个实验过程每一操作步骤的所有测量数据，并利用USB传输到电脑，进行分析处理。 2009年5月31日前参加问卷调查，将有机会赢取精美琉璃制品一个。