《Energy Strategy Reviews》：Sustainable bioenergy from microalgal lipid remodeling: An AI and genetic engineering approach for the circular economy
编辑推荐：
本综述系统探讨了基因工程与人工智能（AI）在微藻脂质代谢工程中的前沿进展，聚焦于提升生物能源前体产量以推动循环生物经济发展。文章详细解析了靶向乙酰辅酶A羧化酶（ACCase）、甘油-3-磷酸酰基转移酶（GPAT）、溶血磷脂酸酰基转移酶（LPAAT）、二酰基甘油酰基转移酶（DGAT）等关键酶及转录因子（如Dof型、bZIP、MYB）的遗传操作策略，以增强脂肪酸合成与三酰甘油（TAG）积累。同时，综述强调了AI算法在优化微藻物种筛选、培养条件、生物质收获及生物精炼转化过程中的潜力，通过机器学习（ML）模型实现过程自动化与成本最小化。该交叉学科方法为突破微藻生物燃料商业化瓶颈提供了创新路径。
微藻脂质合成
微藻将大气CO2转化为脂类的过程始于乙酰辅酶A（Acetyl-CoA）羧化生成丙二酰辅酶A，由乙酰辅酶A羧化酶（ACCase）催化。脂肪酸合成酶（FAS）复合体随后催化缩合、还原、脱水等步骤，逐步延长碳链。游离脂肪酸通过酰基载体蛋白硫酯酶（TE）释放，进而用于膜脂或储存脂质（如TAG）的生物合成。极长链多不饱和脂肪酸（VLC-PUFAs）如二十碳五烯酸（EPA）和二十二碳六烯酸（DHA）通过需氧途径合成，涉及Δ6-去饱和酶、Δ5-elongase等酶的协同作用。甘油酯合成主要遵循Kennedy途径，由甘油-3-磷酸酰基转移酶（GPAT）和溶血磷脂酸酰基转移酶（LPAAT）依次催化生成磷脂酸（PA），进而转化为二酰基甘油（DAG），最终通过二酰基甘油酰基转移酶（DGAT）或磷脂酸二酰基甘油酰基转移酶（PDAT）合成TAG。
提升微藻脂质的遗传策略
近年来，基因工程技术显著推动了微藻脂质生产。代谢工程主要集中于两大策略：增加乙酰辅酶A供给和增强脂肪酸生物合成所需的还原力（如NADPH）。例如，在缺氮条件下，过表达乙酰辅酶A羧化酶（ACCase）或苹果酸酶（ME）可有效提升脂质含量。靶向Kennedy途径关键酶（如DGAT、GPAT）的过表达是提高TAG积累的有效手段。在三角褐指藻（Phaeodactylum tricornutum）中过表达DGAT2可使中性脂质增加35%；而同时过表达GPAT1和LPAT1则使TAG水平提升2.3倍。此外，通过CRISPR-Cas9等技术敲除竞争途径（如淀粉合成）的关键基因（如AGPase），可重新引导碳流向脂质合成，例如莱茵衣藻（Chlamydomonas reinhardtii）的sta6突变体在缺氮下TAG积累增加10倍。
关键酶的工程化改造
乙酰辅酶A羧化酶（ACCase）：作为脂肪酸合成的限速酶，其过表达在多种微藻中显示出提升脂质产量的潜力。在斜生栅藻（Scenedesmus quadricauda）中过表达ACCase使脂肪酸浓度提高1.6倍。在三角褐指藻叶绿体中过表达PtACC2基因可使ACCase活性提高3.3倍，中性脂质增加1.77倍。
丙二酰辅酶A-ACP转酰基酶（MAT）：该酶在应激条件下与脂肪酸积累密切相关。在微拟球藻（Nannochloropsis oceanica）中过表达MAT（NoMCAT）使中性脂质积累增加31%，EPA含量提升8%。
酰基-ACP硫酯酶（TE）：其过表达可通过缓解反馈抑制促进脂肪酸合成。在莱茵衣藻中过表达特定TE可显著增加肉豆蔻酸（C14:0）含量。
甘油-3-磷酸酰基转移酶（GPAT）与溶血磷脂酸酰基转移酶（LPAAT）：作为Kennedy途径的初始步骤，其过表达能有效促进脂质合成。在莱茵衣藻中异源表达来自Lobosphaera incisa的LiGPAT，使TAG含量增加50%。
二酰基甘油酰基转移酶（DGAT）：作为TAG合成的关键酶，其过表达是提高脂质产量的核心策略。在微拟球藻中敲除一个Zn(II)2Cys6型转录抑制因子可使脂质生产力提高2倍。
途径瓶颈的工程化策略
通过阻断碳水化合物（如淀粉、菊粉）生物合成竞争途径，可有效将碳通量导向脂质合成。例如，莱茵衣藻的sta6突变体（缺乏AGPase）在缺氮下TAG积累增加8-10倍。类似地，通过RNAi技术敲低尿苷二磷酸葡萄糖焦磷酸化酶（UGPase）可减少碳水化合物合成，从而提升脂质产量。
抑制脂质降解途径（如β-氧化）是另一有效策略。敲除莱茵衣藻的酰基辅酶A氧化酶（ACX2）基因，使缺氮条件下的油脂积累增加20%，并延缓氮恢复后的脂质降解。抑制TAG脂肪酶（如LIP4）活性也可导致TAG超积累。
光合作用工程
减小天线尺寸：通过基因工程（如RNAi敲低TLA1、CAO基因）或突变手段减小光捕获复合体（LHC）尺寸，可改善高密度培养下的光穿透性，从而提高光合效率。例如，莱茵衣藻的tla3突变体天线尺寸减小40%，在高光下光合活性增强。
卡尔文循环操纵：过表达卡尔文循环关键酶，如1,5-二磷酸核酮糖羧化酶/加氧酶（RuBisCO）激活酶、果糖-1,6-/景天庚酮-1,7-二磷酸酶（FBP/SBPase）、转酮酶等，可增强CO2固定能力，为脂质合成提供更多碳前体。在微拟球藻中过表达RuBisCO激活酶同源物，使生长、光合活性、生物量和脂质生产力显著提升。
脂质工程：脂肪酸组成与分泌
通过基因工程调整脂肪酸去饱和酶（如Δ9-DES、ω-3DES）和延长酶（如Δ6-FAE）的表达，可以定制微藻脂质的脂肪酸谱，提高生物燃料的低温流动性和氧化稳定性。例如，在三角褐指藻中过表达Δ5-脂肪酸去饱和酶可提高EPA产量。
促进脂质分泌至胞外能简化下游收获过程。敲低长链酰基辅酶A合成酶（LACS）基因或过表达脂肪酸转运蛋白（如FAX、ABCA2），可增加游离脂肪酸（FFA）的胞外释放。在集胞藻（Synechocystis）sp. PCC 6803中敲除酰基-ACP合成酶（aas）基因，破坏了脂肪酸的再摄取，导致FFA积累和分泌。
产脂转录因子工程
转录因子（TFs）是调控脂质代谢网络的强大工具。Dof型转录因子（如GmDof4）在莱茵衣藻中过表达可使总脂质产量增加近一倍。bZIP转录因子（如NobZIP1）在微拟球藻中过表达可导致细胞内脂质含量增加2倍，分泌脂质产量提升16.2倍。氮响应调节因子（NRR1）和MYB转录因子（如CrMYB1）在氮饥饿条件下被上调，并激活脂质代谢基因，对TAG积累至关重要。此外，雷帕霉素靶蛋白（TOR）激酶的抑制也被证明能诱导脂滴形成和TAG积累。
人工智能驱动的微藻监测与优化
人工智能（AI）与机器学习（ML）技术在微藻生物技术中发挥着越来越重要的作用。在物种识别方面，结合显微图像处理与卷积神经网络（CNN）或支持向量机（SVM），可实现微藻物种和形态的高通量、自动化鉴定。
AI模型（如人工神经网络ANN、长短期记忆网络LSTM）能够利用光照、温度、pH、营养盐浓度、CO2等培养参数，精准预测生物量生长和脂质产量，从而优化培养条件。例如，ANN模型已成功用于优化Chlorella vulgaris的养分比例（如氮磷比），实现高效的养分去除和脂质诱导。
在生物质收获和转化过程优化中，AI可通过分析传感器数据，确定最佳收获时间，并预测脂质提取效率、酯交换反应转化率等。数字孪生和多目标优化等AI工具有助于设计资源节约、环境友好的微藻生物精炼系统。
微藻-细菌共生系统用于废水处理
微藻与细菌形成的共生系统是一种高效的废水处理策略。微藻通过光合作用产生氧气，供好氧细菌降解有机物；细菌则将有机物分解为无机营养盐（氮、磷），供微藻吸收利用。这种互惠互利的关系显著提升了系统对氮、磷等污染物的去除效率。常见的藻-菌组合如Chlorella与Klebsiella、Pseudomonas，在处理造纸废水、畜禽废水方面表现出色。此过程同时生产富含脂质的微藻生物质，可用于后续生物燃料或高附加值产品生产，实现废水资源化。
微藻污染物去除
微藻通过生物吸附（依靠细胞表面官能团）、生物积累（主动运输）和生物降解（酶催化）等机制，有效去除废水中的营养盐、重金属（如Cd、Pb）、有机污染物（如染料、药物）及新兴污染物（如抗生素、微塑料）。耐盐菌株如杜氏盐藻（Dunaliella salina）在高盐废水中能高效去除镍、锌等重金属。
挑战与未来展望
尽管基因工程和AI为微藻生物燃料带来了巨大希望，但其大规模商业化仍面临挑战。这些挑战包括许多产油微藻菌株遗传工具不完善、代谢网络的复杂性导致难以预测的权衡效应、AI模型需要大量高质量数据集以及扩大培养的成本问题。未来的发展有赖于合成生物学工具（如模块化基因组编辑）与先进AI算法（如深度强化学习）的更深入融合，从而加速从设计到学习的循环。将微藻培养与废水处理、CO2固定相结合，并开发零废物生物精炼厂，将是实现微藻生物能源经济可行性和环境可持续性的关键。
