重磅！携手浙大，赛默飞自动化大力推动国内合成生物学研究

2022年7月16日， iBioFoundry合成生物学自动化系统于杭州萧山，同首届工程生物铸造论坛众多专家学者见面。该系统为大规模、高集成度的全流程、高通量、自动化合成生物学装置，由赛默飞协助浙江大学杭州国际科创中心搭建。

图1.国内合成生物学领域的专家学者齐聚一堂

事实上，赛默飞深耕实验室自动化领域近30年，拥有丰富的合成生物学自动化系统搭建经验：

• 2014年，美国伊利诺伊大学厄巴纳-香槟分校，自动化合成生物学系统：iBioFAB

• 2016年，德国格莱夫斯瓦尔德大学，自动化生物酶筛选系统：LARA

• 2019年，加拿大康考迪亚大学，DNA组装技术研究平台：Genome Foundry

什么是合成生物学？为何如此备受青睐？

合成生物学实际上是基于生命系统的工程技术，其目的是改造、创造新的生物模块和生物系统，从而为人类服务。作为继分子生物学革命和基因组学革命之后的“第三次生物技术革命”，其越来越受到学术界和产业界的关注，堪称2022年生命科学热门赛道！

众所周知，合成生物学研究涉及许多高通量和高精度的实验流程，因此对自动化的需求较高。

iBioFoundry

合成生物学自动化系统

2022年，浙江大学杭州国际科创中心

iBioFoundry按样本库、细胞筛选及培养、DNA元件组装和分析检测四大功能模块集成设计，可广泛应用于基因回路的设计构建、人工基因设计合成、细胞工厂设计构建、多细胞体系构建与应用、酶分子定向进化、无细胞蛋白合成、化合物合成与筛选、生物材料创制等多个研究方向。

图2. iBioFoundry合成生物学自动化装置

使用该装置可有效提高人工细胞构建效率，进一步深度融合生命科学和信息科学（BT-IT），达到快速创造数据、智能分析数据以及数据驱动再创造的目标，实现人工合成体系的精 准设计、标准合成与精确调控。

论坛上，国内合成生物学专家学者参观了iBioFoundry系统并给出了高度评价，并期待这套系统能够促进合成生物技术在生物制造和生命健康等领域的融合与应用，并为推动我国工程生物学走向更高水平，赋能地方经济高质量发展做出贡献。

自动化合成生物学系统

iBioFAB

2014年，美国伊利诺伊大学厄巴纳-香槟分校

2014年，赛默飞协助美国伊利诺伊大学厄巴纳-香槟分校（UIUC, University of Illinoisat Urbana-Champaign）的赵惠民教授实验室搭建了iBioFAB自动化合成生物学系统，其旨在通过将人工智能/机器学习与自动化相结合，来用以加速生物工程的研究进程。

图3.合成生物学自动化系统iBioFAB：

Design-Build-Test-Learn的自动化循环

自动化生物酶筛选系统

LARA

2016年，德国格莱夫斯瓦尔德大学

赛默飞协助格莱夫斯瓦尔德大学（University of Greifswald）搭建了LARA系统，该平台应用于生物催化研究中，可实现蛋白质工程突变体库的高通量筛选。

图4. LARA系统的平台布局

DNA组装技术研究平台

Genome Foundry

2019年，加拿大康考迪亚大学

康考迪亚大学（Concordia University）的该平台是一个高度自动化的DNA组装技术研究平台，可实现GoldenGate组装、CRISPR/Cas9实验和酵母重组。此外该系统还可实现RNA-Seq的文库制备流程。

图5.基于Thermo Scientific™ inSPIRE™ 平台的自动化Concordia Genome Foundry系统

生命科学和信息科学深度融合，创造无限可能

虽然自动化在工业领域盛行已久，但是应用于生命科学，特别是合成生物学时间并不算长。究其原因，是因为生命科学领域的自动化呈现出关联设备多，流程复杂，涉及的容器种类繁多等特点。得益于丰富的行业经验，赛默飞可应对不同流程需求提供成熟的生命科学自动化解决方案。

而其中，Thermo Scientific™ Momentum™ 中 央控制软件如同“智能大脑”，可以与外部算法程序进行关联，通过将自动化与机器学习相结合，研究者能够更精准地进行预测和探索。

图5.基于Thermo Scientific™ inSPIRE™ 平台的自动化Concordia Genome Foundry系统

生命科学和信息科学深度融合，创造无限可能

虽然自动化在工业领域盛行已久，但是应用于生命科学，特别是合成生物学时间并不算长。究其原因，是因为生命科学领域的自动化呈现出关联设备多，流程复杂，涉及的容器种类繁多等特点。得益于丰富的行业经验，赛默飞可应对不同流程需求提供成熟的生命科学自动化解决方案。

而其中，Thermo Scientific™ Momentum™ 中 央控制软件如同“智能大脑”，可以与外部算法程序进行关联，通过将自动化与机器学习相结合，研究者能够更精准地进行预测和探索。