全 文 ：第23卷 第9期
2011年9月
生命科学
Chinese Bulletin of Life Sciences
Vol. 23, No. 9
Sep., 2011
文章编号：1004-0374(2011)09-0844-05
合成未来：从大肠杆菌的重构看合成生物学的发展
王　倩1，康　振2，梁泉峰2，祁庆生1,2*
(1 山东大学国家糖工程技术研究中心，济南 250100；2 山东大学微生物技术国家重点实验室，济南 250100)
摘　要：合成生物学 (synthetic biology)是伴随着基因工程、系统生物学以及生物信息学的发展而出现的一
个新的交叉学科。大肠杆菌 (Escherichia coli)作为一种宿主在合成生物学的发展中功不可没。从某种意义
上讲，合成生物学的每一次进展都离不开大肠杆菌。从大肠杆菌的角度出发，对合成生物学的发展进行深
入分析，并提出了合成生物学在中国发展的重点。
关键词：合成生物学；大肠杆菌；底盘生物；重构
中图分类号：Q939.9; R378.2; O621.35 文献标志码：A
Future of synthetic: Development of synthetic biology in the view of
Escherichia coli reconstruction
WANG Qian1, KANG Zhen2, LIANG Quan-Feng2, QI Qing-Sheng1,2*
(1 National Glycoengineering Research Center, Jinan 250100, China; 2 State Key Lab of Microbial Technology,
Jinan 250100, China)
Abstract: Synthetic biology is an inter-discipline that appeared with the development of genetic engineering,
system biology and bioinformatics. As a host, Escherichia coli played an important role in the development of
synthetic biology. Therefore, this review summarized the recent development of E. coli as a host of synthetic
biology.
Key words: synthetic biology; Escherichia coli; chassis; reconstruction
收稿日期：2011-05-25
基金项目：国家自然科学基金项目(31070092); 国家重
点基础研究发展计划(“973 项目”)(2011CB707405)
*通信作者：E-mail: qiqingsheng@sdu.edu.cn
合成生物学是从生物学中分支出来的一门基
于量化和工程化的学科。合成生物学意在通过理
性设计、合成生物元件进而组装成生物系统，最
终实现生物系统工程标准化。第一代合成生物学
的研究内容主要为标准调控元件的设计与合成；
而目前第二代合成生物学所研究的内容扩展为通
过系统生物学的指导，理性组装各种合成生物元
件为定向执行某种生物功能的系统或者一种全新
的细胞。重塑生命是合成生物学这一科学的核心
思想及最终理想 [1]。而其中心是从零开始建立微生
物基因组，从而改变和扩展自然界在 35亿年前建
立的基因密码。通过合成生物学，人们不仅建立了
模拟物理学的基因电路，包括双稳态开关、振荡器、
逻辑门等，而且通过重新构建生物系统网络，最终
希望解决诸如生物能源、生物材料、生物医药以及
疾病诊断、基因治疗等关系国计民生的大问题。
1　大肠杆菌——优异的底盘生物
合成生物学中的底盘生物是合成生物学的“硬
件”基础，然而，细胞的复杂性为生物系统的工程
化提出了挑战，大肠杆菌 (Escherichia coli)作为最
简单的模式生物，由于其背景清晰、生长快速、易
于操作，在基础生物研究以及生物技术应用方面有
着其他模式生物无可比拟的优越性。例如重组
DNA技术以及分子生物学工具的应用都是在大肠
杆菌中发展并拓展至其他生物中的。在合成生物学
研究中，大肠杆菌更是功不可没，是当之无愧的底
盘生物。近年来，随着大肠杆菌在系统代谢工程及
王　倩，等：合成未来：从大肠杆菌的重构看合成生物学的发展第9期 845
多种组学技术领域突飞猛进的发展，大肠杆菌的合
成生物学正在迅速发展。
首先，为了减小细胞内冗余的代谢网络以及提
高其代谢网络的可预测及可控性，人们开始对大肠
杆菌的基因组进行缩减。基因组的减小是合成生物
学中的重要问题。而基因组的最小化有两条途径：
一条是从头合成途径，即通过 DNA合成技术来精
确合成目的序列的基因组。其中，脊髓灰质炎病毒
的基因组 [2]、phiX174 噬菌体的基因组 [3]以及生殖
支原体 (Mycoplasma genitalium)的基因组已成功合
成并组装 [4]；另一条是精确删除现有微生物基因组
中上述引起 DNA不稳定的 DNA 片段和非必需功能
的基因。Blattner研究组通过序列比对，精确删除 E.
coli MG1655基因组中上述引起 DNA不稳定的
DNA 片段和非必需功能的基因，例如与侵染人宿
主相关的基因以及应对特殊环境的相关基因。将 E.
coli MG1655菌株的基因组减少 15.27%，获得的菌
株在丰富培养基上的生长速度没有明显降低，并且
较野生菌具有更好的染色体及染色体外 DNA 分子
的遗传稳定性、更高的电转化效率 [5]。这一研究成
果说明了具有最小基因组细胞的可行性。最小基因
组既能够为细胞的生长和繁殖提供必要的分子机制
和能量，又减少了不必要的代谢途径、基因调控环
路和非必需功能基因，减少宿主细胞的遗传背景，
提高代谢效率，为实现利用最小基因组细胞工厂生
产能源和生物基化学品提供了重要基础 [6-7]。值得
注意的是作为合成生物学或者工业生物技术中具有
应用价值的最小基因组的概念不是指能在特殊条件
下 (例如必须加入许多营养因子 )生存的理论最小
基因组，而是指能够在最简单培养基中生存、在简
单碳源中生长和能够应对压力条件的最小基因组。
因此，我们认为这种最小基因组可以叫做“最适基
因组”，它可以用于实际。
2　大肠杆菌合成生物学的基础
合成生物学的核心观念认为生命的所有零件都
能由合成 (即化学法 ) 而制造，进而通过工程化并
组装成实用的生物组织。合成生物学致力于将这些
生物零件根据工程设计原理赋予其工程学上的模块
化性质，每一个生物学零件都有详细的生物学特征
描述，可以在更大规模的设计中与其他元件进一步
组合成具有特定生物学功能的生物学装置 (Device)。
就像工程师利用已有的物理学原件，根据物理学原
理设计电路，进一步组建有功能的集成电路，甚至
中央处理器一样，合成生物学工作者可以利用标准
化的元件和装置设计和实现更大规模的生物工程学
改造，最终形成生物系统。
因此，合成生物学的特点之一就是标准化和简
便性，即利用标准化的生物学元件，可以简便地实
现大规模的生物学途径的构建，达到生物合成的目
的。因此，合成生物学的关键就是建立标准化的生
物零件 (Biobrick)。通过建立一系列的标准化的生
物学基本元件和复合元件，包括启动子、复制子、
抗性筛选标记以及一些调控元件，使生物合成更加
简便易行，更加适合工程化。建立具有通用性和标
准性的元件，适合合成生物学家索取是合成生物学
基础研究的重点。
目前，已有 2 000多种生物元件被合成并注册
(Standard Biological Parts Knowledgebase)(http://part-
sregistry.org/Main_Page)。这其中大多数是大肠杆菌
的元件，总体上生物元件可以分为三类：基因表达
的调控元件，包括 Promoter(启动子 )、Terminators
(终止子 )、Inverter(变极器 )、Ribosome Binding Sites
(核糖体结合位点 )、Riboswitch(核糖开关 )以及
RNA；DNA序列及质粒载体骨架序列；蛋白质结
构域和蛋白质编码序列。标准生物元件的合成与注
册大大方便了后续的相关研究。科研工作者根据不
同的实验目的而很容易地选择不同的生物元件，进
而进行系统的重建与组装。通过组装生物调控元件，
可以在大肠杆菌中构建各种功能的基因线路，如基
因振荡器 (gene oscillator)[8-11]、计数器 (counter)[12]、
逻辑门 (logicgate)[13-15]，从而赋予大肠肝菌细胞更多
的功能。另外，为了有效组装各种生物元件，一系
列的组装构建载体 [16]也应运而生，从而使得表达载
体的基本零件，如启动子、复制子、抗性筛选标记
甚至载体本身的替换简便易行，简化了构建工作 [1]。
3　大肠杆菌非自身产物的合成
大肠杆菌作为一种肠道杆菌，其代谢仅能产生
一些小分子的有机酸类物质和乙醇等物质。从代谢
工程开始，人们就试图在大肠杆菌中构建一些大肠
杆菌原来自身不能产生的物质的途径。例如大肠杆
菌不能产生聚羟基脂肪酸酯 (PHA)，人们通过表达
聚羟基脂肪酸酯聚合酶在大肠杆菌中建立了 PHA
代谢途径 [17]。通过一系列的改造，大肠杆菌目前是
合成聚羟基脂肪酸酯的宿主之一 [18]。最近，我们实
验室还在大肠杆菌中构建了联产琥珀酸和 PHA的
途径 [19]。而利用大肠杆菌合成青蒿素的前体则是合
生命科学 第23卷846
成生物学的里程碑，即美国加州大学伯克利分校
Keasling课题组的关于在大肠杆菌中重建合成途径
发酵葡萄糖生产治疗疟疾的药物——青蒿素的前
体——青蒿酸。该课题组将来源于细菌、酵母以
及植物的 11个酶促反应相关酶基因进行模块化并
加以整合，通过基因表达调控以及代谢通量优化成
功构建了发酵生产青蒿酸的工程化大肠杆菌 [20-23]；
并使青蒿素产量提高几百倍，生产青蒿素的成本大
大降低，为解除非洲疟疾问题提供了廉价的药物。
麻省理工学院 (MIT)Gregory Stephanopoulos课题组
的关于强效抗癌药物——紫杉醇合成途径的重构。
通过优化中间基因的表达以及代谢通量，重构的大
肠杆菌发酵葡萄糖生产紫杉醇的前体——紫杉二
烯的能力与改造前相比提高了 15 000倍，紫杉二烯
产量达到了 1 g/L的水平 [24]。
生物能源领域也有许多很好的例子，最著名的
报道有两个。其中一个是美国加州洛杉矶分校 Liao
课题组关于生产高级醇合成途径的构建，通过整合
外源的 2-酮酸脱氢酶 KIVD(来自酿酒酵母、乳酸
乳球菌或丙酮丁醇梭菌 )和乙醇脱氢酶 ADH(酿酒
酵母 )，利用大肠杆菌中氨基酸合成途径中的 2-酮
酸前体，成功构建了发酵葡萄糖生产丙醇、丁醇等
高级醇的生产菌株 [25]；2011年初，Liao课题组报
道了通过优化反式烯脂酰 CoA还原酶，并重构了
丁醇代谢途径，为正丁醇的积累提供充足的驱动
力——还原型辅酶 NADH以及乙酰 CoA，提高了
正丁醇生产效率。最终培养基中可以生产出 15~30
g/L的正丁醇，而此前的方法产量只有 1~4 g/L[26]。
Keasling提出了微生物代谢调控的模块法控制，利
用合成的蛋白脚手架 (synthetic protein scaffold)将代
谢途径的相关酶类集中在一起，提高酶的效率，使
酶在相同转化效率的情况下产物产率提高 77倍 [27]。
他们通过基因工程方法对大肠杆菌进行改造，让它
将单糖生成更复杂的生物燃料 (可直接应用的生物
燃料 )——脂肪酯 (fatty esters)、脂肪醇 (fatty alcohol)
和蜡 (waxes)。他们进而又让大肠杆菌来分泌半纤
维素酶，它是来自植物的生物质的一个主要成分，
可以将纤维素转化为生物燃料 [28]。后来，LS9可再
生石油公司独立在大肠杆菌中构建生产烷烃以及烯
烃混合物的合成途径 [29]。另外，美国哈佛医学院的
Silver课题组在大肠杆菌中构建了一条生产生物氢
的途径 [30]。
因此，通过克隆一些非大肠杆菌的基因，使大
肠杆菌能够产生原来自身不能产生的化合物。这样
就扩展了大肠杆菌的应用范围，同时也为合成生物
学的产生和发展奠定了基础。
4　利用大肠杆菌合成非天然产物
通过在大肠杆菌中构建非自身产物，使大肠杆
菌成为一个合成大宗 /精细化合物的生物炼制工厂
(Biorefinery Factories)；而在大肠杆菌中合成非天然
产物 (生物不能合成的化合物 )使大肠杆菌的合成
生物学达到了新的阶段。
聚乳酸 (PLA)是自然界生物无法合成的生物可
降解塑料，日本北海道大学 Taguchi课题组通过利
用微生物天然产物 PHA的合成途径，在大肠杆菌
中另外引入乳酸脱氢酶 LDH、丙酰 CoA转移酶
PCT，并通过 PHA聚合酶 (PhaCPs)的定向进化，最
终实现了大肠杆菌发酵葡萄糖生产聚乳酸 (PLA)[31]；
之后，Lee Sang Yup组也报道了利用相同途径、不同
人工改造的 PhaC聚合酶来合成 P(3HB-co-LA)共聚
物，其中 LA组分含量能够占共聚物总量的 70% [32]。
另外，Liao在前期生产高级醇的基础上，扩
展了工程大肠杆菌的代谢途径：首先，在现有途
径的基础上，积累得到 (S)-2-酮 -3-甲基戊酸 (异
亮氨酸合成的酮酸前体 )，由于其结构与 2-酮异
戊酸 (缬氨酸合成前体 )相似，2-酮异戊酸在
LeuABCD催化作用下可以将侧链延长一个碳，并
依次循环递增为 Cn+1：即 2-酮异己酸、2-酮异辛酸、
2-酮异壬酸等。因此推断，(S)-2-酮 -3-甲基戊酸、2-
酮丁酸也可被 LeuABCD循环延长碳链成 C6~C9的
酮酸。而每加一个碳，都会由底物谱广泛的 2-酮
酸脱氢酶 (KIVD)和醇脱氢酶 (ADH6)催化将其转
变为相应的 C5~C8的高级醇。最终他们通过代谢
途径的扩展和对 LeuA特异性突变，实现了非天然
产物长链脂肪醇的合成 [33]。同年，Liao还报道了大
肠杆菌对非天然氨基酸——L-高丙氨酸的合成，
利用进化的谷氨酸脱氢酶 GDH的转氨基反应，创
造了大肠杆菌利用 2-酮丁酸合成 L-高丙氨酸的新
途径，工程化菌株发酵得到 5.4 g/L的高丙氨酸，
可以作为抗癫痫药物的前体 [34]。化学品领域，美国
麻省理工学院 Prather课题组在大肠杆菌中构建了
合成 D-葡糖二酸的途径 [35]，德国马普研究所的
Wolfgang课题组在大肠杆菌中构建生产戊烯二酸的
途径 [36]。
5　利用大肠杆菌解决非生物学问题
作为合成生物学的底盘生物，大肠杆菌能够完
王　倩，等：合成未来：从大肠杆菌的重构看合成生物学的发展第9期 847
成许多难以想象的工作。例如，大肠杆菌细胞含有
上万种调节线路，从转录、翻译至翻译后水平上都
能够对环境信号进行感应和应对。而这些响应环境
的终端元件通常集中在启动子以及它们相关的转录
因子上，包括我们所熟知的大肠杆菌 lac、tet及 ara
操纵元的启动子，通过感受环境中诸如乳糖、阿拉
伯糖的存在来激活下游基因的转录。James Collins
创建了典型的基因线路——基因双稳态线路 [37]，
通过用化学信号刺激细胞来诱导 A基因表达，从而
抑制 B基因表达；而 B基因的表达又会抑制 A的
表达，在双稳态线路中加入诱导物，可促使系统在
两个稳定状态之间任意翻转。之后的研究中，
Collins将两个启动子各自创建了一个基因计时器
(genetic timer)，这是一个能使细胞从表达一个基因
切换到表达另一个基因（经过一定的时滞）的系统。
通过检测计时器，他们将结果反馈给计算模型，并
预测从其他版本构建的计时器将会如何表现。这种
具有计算功能的大肠杆菌是真正的生物计算机。
在大肠杆菌中，至少存在 32种双组分感应系
统 [38]。通过合成生物学改造大肠杆菌的感应系统，
可以实现大肠杆菌对不同物质的感应，如对
trinitrotoluene(TNT)、L-Lactate[38]以及 Zn2+[39]。2005
年，Voigt课题组成功构建了一种由合成的感应激
酶组成的、可感应不同状态红光的系统：将双组分
信号转导系统 EnvZ-OmpR中 EnvZ组氨酸激酶的
结构域与藻青素 PCB共价结合的脱辅基蛋白嵌合
成为一个光敏部件。同时，将 lacZ基因置于 ompC
启动子 (依赖于 OmpR而表达 )之后，使得 lacZ的
表达受光调控，当大肠杆菌接受光照时，就会诱导
lacZ表达产物半乳糖苷酶，其与 S-gal反应得到黑
色沉淀，最终实现了大肠杆菌的生物拍照功能 [40]。
洛桑大学 Der Meer课题组开发了用于检测环境中
砷的大肠杆菌 [41]，美国艾默里大学 Gallivan课题组
通过设计合成核糖开关 (riboswitch)[42]，并筛选出受
阿特拉津 (atrazine)调控的核糖开关，含有该编程
的大肠杆菌可识别阿特拉津并启动阿特拉津的降解
系统。2009年，Ellington课题组合成了一种用于检
测边缘的组装程序，并在大肠杆菌中成功验证 [43]。
6　展望
大肠杆菌已经成为能源、化合物、材料及药物
生产的重要平台，合成生物学的发展促进了大肠杆
菌代谢途径的重建 [1]，通过精确设计基因环路、重
构代谢途径为大肠杆菌提供了新的代谢和生理功
能，使其能够高产天然甚至非天然产物。在过去的
十年里，基于大肠杆菌的系统生物学得到了迅猛发
展 [44-46]。一系列的相关的系统生物学研究软件被报
道 [30,47-48]。随着计算机科学以及系统生物学软件的
开发，合成生物学的发展将变得更加迅猛。我们认
为大肠杆菌利用可再生资源合成生物基化学品 (如
高级醇、长链烷烃以及环境友好的生物塑料 )实现
低成本高产出生产是未来十年发展的重要目标。同
时，利用大肠杆菌合成一些自身不能合成，而其他
生物又很难提高产量的天然产物，例如，一些中草
药，是实现大肠杆菌合成生物学突破的关键。大肠
杆菌合成生物学技术的突破会为其他生物的合成生
物学的发展提供理论和方法的支撑。
[参　考　文　献]
[1] 王俊姝, 祁庆生. 合成生物学与代谢工程. 生物工程学
报, 2009, 25(9): 1296-302
[2] Cello J, Paul AV, Wimmer E. Chemical synthesis of
poliovirus cDNA: generation of infectious virus in the
absence of natural template. Science, 2002, 297(5583):
1016-8
[3] Smith HO, Hutchison CA 3rd, Pfannkoch C, et al.
Generating a synthetic genome by whole genome assembly:
phiX174 bacteriophage from synthetic oligonucleotides.
Proc Natl Acad Sci USA, 2003, 100(26): 15440-5
[4] Gibson DG, Benders GA, Andrews-Pfannkoch C, et al.
Complete chemical synthesis, assembly, and cloning of a
Mycoplasma genitalium genome. Science, 2008,
319(5867): 1215-20
[5] Posfai G, Plunkett G, 3rd, Feher T, et al. Emergent
properties of reduced-genome Escherichia coli. Science,
2006, 312(5776): 1044-6
[6] Sharma SS, Blattner FR, Harcum SW. Recombinant
protein production in an Escherichia coli reduced genome
strain. Metab Eng, 2007, 9(2): 133-41
[7] Lee JH, Sung BH, Kim MS, et al. Metabolic engineering
of a reduced-genome strain of Escherichia coli for
L-threonine production. Microb Cell Fact, 2009, 8: 2
[8] Danino T, Mondragon-Palomino O, Tsimring L, et al. A
synchronized quorum of genetic clocks. Nature, 2010,
463(7279): 326-30
[9] Ninfa AJ, Selinsky S, Perry N, et al. Using two-component
systems and other bacterial regulatory factors for the
fabrication of synthetic genetic devices. Methods
Enzymology, 2007, 422: 488-512
[10] Stricker J, Cookson S, Bennett MR, et al. A fast, robust
and tunable synthetic gene oscillator. Nature, 2008,
456(7221): 516-9
[11] Tigges M, Marquez-Lago TT, Stelling J, et al. A tunable
synthetic mammalian oscillator. Nature, 2009, 457(7227):
309-12
[12] Friedland AE, Lu TK, Wang X, et al. Synthetic gene
networks that count. Science, 2009, 324(5931): 1199
[13] Culler SJ, Hoff KG, Smolke CD. Reprogramming cellular
生命科学 第23卷848
behavior with RNA controllers responsive to endogenous
proteins. Science, 2010, 330(6008): 1251-5
[14] Tamsir A, Tabor JJ, Voigt CA. Robust multicellular
computing using genetically encoded NOR gates and
chemical/wires/. Nature, 2011, 469(7329): 212-5
[15] Win MN, Smolke CD. Higher-order cellular information
processing with synthetic RNA devices. Science, 2008,
322(5900): 456-60
[16] Anderson JC, Dueber JE, Leguia M, et al. BglBricks: A
flexible standard for biological part assembly. J Biol Eng,
2010, 4(1): 1
[17] Schubert P, Steinbuchel A, Schlegel HG. Cloning of the
Alcaligenes eutrophus genes for synthesis of poly-β-
hydroxybutyric acid (PHB) and synthesis of PHB in
Escherichia coli. J Bacteriol, 1988, 170(12): 5837-47
[18] Li R, Zhang H, Qi Q. The production of polyhydroxya-
lkanoates in recombinant Escherichia coli. Bioresour
Technol, 2007, 98(12): 2313-20
[19] Kang Z, Du L, Kang J, et al. Production of succinate and
polyhydroxyalkanoate from substrate mixture by
metabolically engineered Escherichia coli. Bioresour
Technol, 2011, 102(11): 6600-4
[20] Anthony JR, Anthony LC, Nowroozi F, et al. Optimization
of the mevalonate-based isoprenoid biosynthetic pathway
in Escherichia coli for production of the anti-malarial drug
precursor amorpha-4,11-diene. Metab Eng, 2009, 11(1):
13-9
[21] Martin VJ, Pitera DJ, Withers ST, et al. Engineering a
mevalonate pathway in Escherichia coli for production of
terpenoids. Nat Biotechnol, 2003, 21(7): 796-802
[22] Pitera DJ, Paddon CJ, Newman JD, et al. Balancing a
heterologous mevalonate pathway for improved
isoprenoid production in Escherichia coli. Metab Eng,
2007, 9(2): 193-207
[23] Tsuruta H, Paddon CJ, Eng D, et al. High-level production
of amorpha-4, 11-diene, a precursor of the antimalarial
agent artemisinin, in Escherichia coli. PLoS One, 2009,
4(2): e4489
[24] Ajikumar PK, Xiao WH, Tyo KE, et al. Isoprenoid
pathway optimization for Taxol precursor overproduction
in Escherichia coli. Science, 2010, 330(6000): 70-4
[25] Atsumi S, Hanai T, Liao JC. Non-fermentative pathways
for synthesis of branched-chain higher alcohols as
biofuels. Nature, 2008, 451(7174): 86-9
[26] Shen CR, Lan EI, Dekishima Y, et al. High titer anaerobic
1-butanol synthesis in Escherichia coli enabled by driving
forces. Appl Environ Microbiol, doi: 10.1128/AEM.
03034-10
[27] Dueber JE, Wu GC, Malmirchegini GR, et al. Synthetic
protein scaffolds provide modular control over metabolic
flux. Nat Biotechnol, 2009, 27(8): 753-9
[28] Steen EJ, Kang Y, Bokinsky G, et al. Microbial production
of fatty-acid-derived fuels and chemicals from plant
biomass. Nature, 2010, 463(7280): 559-62
[29] Schirmer A, Rude MA, Li X, et al. Microbial biosynthesis
of alkanes. Science, 2010, 329(5991): 559-62
[30] Rocha I, Maia P, Evangelista P, et al. OptFlux: an open-
source software platform for in silico metabolic
engineering. BMC Syst Biol, 2010, 4: 45
[31] Taguchi S, Yamada M, Matsumoto K, et al. A microbial
factory for lactate-based polyesters using a lactate-
polymerizing enzyme. Proc Natl Acade Sci USA, 2008,
105(45): 17323
[32] Jung YK, Kim TY, Park SJ, et al. Metabolic engineering
of Escherichia coli for the production of polylactic acid
and its copolymers. Biotechnol Bioeng, 2010, 105(1):
161-71
[33] Zhang K, Sawaya MR, Eisenberg DS, et al. Expanding
metabolism for biosynthesis of nonnatural alcohols. Proc
Natl Acad Sci USA, 2008, 105(52): 20653
[34] Zhang K, Li H, Cho KM, et al. Expanding metabolism for
total biosynthesis of the nonnatural amino acid L-
homoalanine. Proc Natl Acad Sci USA, 2010, 107(14):
6234-9
[35] Moon TS, Yoon SH, Lanza AM, et al. Production of
glucaric acid from a synthetic pathway in recombinant
Escherichia coli. Appl Environ Microbiol, 2009, 75(3):
589-95
[36] Djurdjevic I, Zelder O, Buckel W. Production of
glutaconic acid in a recombinant Escherichia coli strain.
Appl Environ Microbiol, 2010, 77(1): 320-2
[37] Gardner TS, Cantor CR, Collins JJ. Construction of a
genetic toggle switch in Escherichia coli. Nature, 2000,
403(6767): 339-42
[38] Ulrich LE, Koonin EV, Zhulin IB. One-component
systems dominate signal transduction in prokaryotes.
Trends Microbiol, 2005, 13(2): 52-6
[39] Dwyer MA, Looger LL, Hellinga HW. Computational
design of a Zn2+ receptor that controls bacterial gene
expression. Proc Natl Acad Sci USA, 2003, 100(20):
11255
[40] Levskaya A, Chevalier AA, Tabor JJ, et al. Synthetic
biology: engineering Escherichia coli to see light. Nature,
2005, 438(7067): 441-2
[41] Diesel E, Schreiber M, van der Meer JR. Development of
bacteria-based bioassays for arsenic detection in natural
waters. Anal Bioanal Chem, 2009, 394(3): 687-93
[42] Sinha J, Reyes SJ, Gallivan JP. Reprogramming bacteria
to seek and destroy an herbicide. Nat Chem Biol, 2010,
6(6): 464-70
[43] Tabor JJ, Salis HM, Simpson ZB, et al. A synthetic genetic
edge detection program. Cell, 2009, 137(7): 1272-81
[44] Hyduke DR, Palsson BO. Towards genome-scale
signalling network reconstructions. Nat Rev Genet, 2010,
11(4): 297-307
[45] Kitano H. Computational systems biology. Nature, 2002,
420(6912): 206-10
[46] Lewis NE, Hixson KK, Conrad TM, et al. Omic data from
evolved E. coli are consistent with computed optimal
growth from genome-scale models. Mol Syst Biol, 2010,
6: 390
[47] Becker SA, Feist AM, Mo ML, et al. Quantitative
prediction of cellular metabolism with constraint-based
models: the COBRA Toolbox. Nat Protoc, 2007, 2(3):
727-38
[48] Papin JA, Price ND, Palsson BO. Extreme pathway
lengths and reaction participation in genome-scale
metabolic networks. Genome Res, 2002, 12(12): 1889-
900