1. 合成生物学实验设计总论
合成生物学实验的核心目标，不是“把一段基因转进细胞”这么简单，而是在可预测、可复现、可度量的前提下，让工程化生物系统稳定地执行人类设定的功能。这意味着实验设计必须同时回答三个问题：我要构建的系统应该表现出什么行为？我如何判断它真的表现出了这种行为？如果没表现出来，我如何定位是设计、构建还是测试环节出了问题？合成生物学与传统分子生物学的关键差别，正在于它把“试错”变成“可管理的迭代”——这就是 DBTL 循环。
一、DBTL 循环：实验设计的骨架
DBTL 指 Design（设计）、Build（构建）、Test（测试）、Learn（学习）四个阶段。它不是四个孤立步骤，而是一个闭环：每一轮 Learn 的输出，必须转化为下一轮 Design 的明确约束或修改方案。
- Design：明确功能目标，选择底盘细胞、表达元件、调控逻辑与载体结构，并给出可检验的设计假设。例如“在大肠杆菌中，用 pTet 启动子驱动红色荧光蛋白，四环素浓度升高时荧光增强”。
- Build：把设计转化为物理 DNA。包括序列优化、片段合成、组装（如 Gibson 组装、Golden Gate）、转化与克隆筛选。
- Test：在受控条件下测量系统行为。关键不是“看到结果”，而是用预先定义的指标和对照来判断结果是否支持设计假设。
- Learn：分析数据，判断偏差来源，更新设计规则或参数，进入下一轮。
一个常见的误区是把 DBTL 当成线性流程：设计完就构建，构建完就测试，测试完写个结论。真正有效的 DBTL 要求每一轮都缩小不确定性。如果第二轮设计和第一轮没有本质区别，循环就没有产生学习。
二、实验设计与验证的总体原则
在进入具体操作之前，需要建立几条贯穿全课程的原则。
第一，先定义可测量的功能指标。“表达量高”不是指标，“在 OD600=0.6、37℃、1 mM IPTG 诱导 4 小时后，每 OD 荧光强度达到 5000 a.u. 以上，且变异系数小于 15%”才是。指标必须包含对象、条件、数值范围和判断阈值。
第二，对照与参照系先行。任何实验至少需要阴性对照（空载体或未诱导）、阳性对照（已知有效构建）和内部参照（如组成型表达的第二个荧光蛋白）。没有对照，数据无法解释。
第三，区分设计参数与操作参数。设计参数是序列、启动子强度、RBS 强度、拷贝数、宿主菌株；操作参数是温度、诱导时机、诱导剂浓度、取样时间。两者混淆，会导致“改了条件却以为改了设计”。
第四，验证要分层。第一层验证“构建是否正确”（菌落 PCR、测序）；第二层验证“元件是否工作”（荧光、生长曲线）；第三层验证“系统是否按逻辑工作”（剂量响应、动态范围、正交性）。跳过第一层直接看功能，往往会把构建错误误判为设计失败。
三、课程路线图：从单元件到系统验证
本课程后续 29 章将围绕 DBTL 展开，但不会把每一章都写成“设计—构建—测试—学习”的重复模板。整体路线如下：
- 元件与结构层：启动子、RBS、终止子、报告基因、载体与组装方法，解决“零件怎么选、怎么拼”。
- 回路与逻辑层：诱导表达、逻辑门、振荡器、反馈回路，解决“行为怎么设计”。
- 底盘与适配层：大肠杆菌、酵母、无细胞体系，解决“宿主怎么匹配”。
- 测试与度量层：荧光读数、生长耦合、流式、酶活、剂量响应，解决“怎么测才可信”。
- 学习与迭代层：数据归一化、参数拟合、失败模式分析、下一轮设计决策，解决“怎么越做越准”。
下面这张图给出本课程的整体结构关系：左侧是 DBTL 四个阶段，右侧是各阶段对应的核心实验对象与输出，底部是贯穿始终的验证分层。它不替代正文，而是帮助你在后续章节中随时定位“当前在做什么、输出什么、下一步依赖什么”。
四、一个最小可用的实验设计示例
假设我们要验证一个四环素诱导的红色荧光报告系统。设计阶段写出假设：“在 E. coli BL21(DE3) 中，pTet 驱动 mCherry，四环素浓度从 0 到 100 ng/mL 递增时，荧光强度单调上升，动态范围大于 5 倍。”构建阶段选择 pET 骨架、mCherry 编码序列、pTet 启动子，用 Gibson 组装并测序确认。测试阶段设置 0、1、10、100 ng/mL 四个浓度，每个浓度三个生物学重复，同时测 OD600 和荧光（激发 587 nm，发射 610 nm），用空载体作阴性对照。学习阶段计算每 OD 荧光强度，检查是否单调、动态范围是否达标；若低浓度端本底过高，下一轮可更换低拷贝载体或加入降解标签。
这个例子虽小，但包含了本课程反复强调的完整闭环：假设可检验、构建可确认、测试有对照、学习能导向下一轮修改。后续章节会逐步把每个环节展开为可操作的实验方案、参数表和判断标准。