1. 自动化菌株工程导论

菌株工程的核心目标，是通过对微生物基因组的定向改造，获得能够高效合成目标产物的工业菌株。传统菌株构建依赖人工操作：挑单克隆、接种、培养、转化、筛选，每一步都需要实验人员手动完成，一轮“设计—构建—测试—学习”（DBTL）循环往往耗时数周甚至数月。自动化菌株工程，就是把这条循环中的物理操作、数据采集与决策判断尽可能交给机器和算法，让菌株构建从“手艺活”变成“可编程的工程流程”。

理解这门课，先要建立一个基本认识：自动化菌株工程不是单一技术，而是由多个层次叠加而成的技术栈。最底层是自动化硬件，包括液体处理工作站、移液机械臂、微孔板培养与读板设备、温控与振荡模块、菌落挑选仪等，它们负责替代人手完成移液、接种、培养、取样等动作。往上一层是实验控制与调度软件，它把硬件动作编排成可复用的协议，并管理样本、板位、耗材与时间节点。再往上是数据层，包括菌株谱系数据库、构建记录、培养与检测数据、测序结果等，保证每一次改造都可追溯。最上层是设计与学习算法，包括基因线路设计、代谢通路优化、启动子与RBS强度预测、机器学习辅助的突变体筛选等，它们决定“下一轮该构建什么”。这四层缺一不可：没有硬件，自动化无从落地；没有软件，硬件只是孤立的仪器；没有数据，实验无法积累；没有算法，循环只能盲目重复。

从发展历程看，自动化菌株工程大致经历了三个阶段。早期（2000年前后）以单台自动化仪器为主，例如自动挑菌仪和液体处理站，解决的是某个单点操作的效率问题，但各设备之间彼此孤立，数据靠人工记录。中期（2010年前后）出现集成化平台，把移液、培养、读板、温控整合到一条工作流中，配合实验室信息管理系统（LIMS）实现样本追踪，DBTL循环开始被压缩到数天。当前阶段则强调闭环自动化与算法驱动：实验平台与机器学习模型直接对接，模型根据上一轮数据推荐下一轮构建方案，平台自动执行，形成“设计—构建—测试—学习”的连续闭环。这一阶段的关键词是“无人值守”和“数据驱动”。

产业应用场景方面，自动化菌株工程已经渗透到多个领域。在生物医药中，用于工程菌生产胰岛素、抗体片段、疫苗佐剂等；在生物基材料与化学品中，用于生产可降解塑料单体、有机酸、氨基酸；在食品与饲料中，用于酶制剂、益生菌和维生素的菌株开发；在能源与环境中，用于生物燃料和污染物降解菌株的筛选。这些场景的共同点是：目标产物明确、筛选通量大、对菌株性能要求高，因此特别适合用自动化手段加速迭代。

本课程将围绕一条完整的自动化菌株构建与筛选流程展开。课程项目设定为：以大肠杆菌为底盘，构建一条产L-乳酸的代谢通路，并通过自动化平台完成多轮突变体构建与筛选，最终获得产量提升的候选菌株。项目会涉及质粒与基因组编辑方案设计、自动化液体处理协议编写、微孔板培养与检测、数据采集与结果判读等环节。为了便于教学，项目中的具体参数（如培养温度37°C、诱导剂IPTG浓度0.1–1 mM、筛选阈值等）均为示例性设定，实际实验需根据菌株和产物特性调整。