合成生物学视角下的基础认知工程：单细胞习惯化、敏感化及间隔学习的最小遗传回路设计

《ACS Synthetic Biology》：Engineering Basal Cognition: Minimal Genetic Circuits for Habituation, Sensitization, and Massed–Spaced Learning

本综述采用合成生物学方法，探讨如何利用最小遗传回路在单细胞系统中实现非关联性学习（如习惯化、敏感化和间隔学习效应）。作者基于理论模型和特征明确的调控元件，设计并模拟了能够复现这些认知行为的合成回路，为理解细胞水平认知的进化与工程化提供了新视角。文章通过分析回路结构与动力学约束，揭示了基因学习系统与神经学习在时间尺度上的差异，对合成认知行为的设计挑战提供了重要见解。

引言

认知通常与复杂大脑相关联，然而许多学习形式——如习惯化、敏感化乃至间隔效应——已在单细胞和无神经系统中被观察到。这些简单的认知能力尽管存在成本，却通过降低环境不确定性为生物体提供了进化优势。近期研究证实了早期关于原生生物和黏菌类学习样行为的报道，表明基础认知功能在神经系统出现之前早已存在。本文采用合成生物学方法，探索最小遗传回路如何在单细胞系统中实现非关联性学习。基于理论模型并利用明确表征的调控元件，我们设计并模拟了能够重现习惯化、敏感化和间隔学习效应的合成回路。这些设计包含激活因子、抑制因子、荧光报告基因和群体感应分子，为实验验证提供了平台。

习惯化

习惯化是最简单且普遍的非关联性学习形式，其特征是生物体对重复出现的无害刺激行为或生理反应逐渐减弱。这种行为适应机制使生物体能够过滤无关环境刺激，节约认知与能量资源。

提出的合成回路通过非相干前馈环（I-FFL）实现习惯化。回路感知外部输入信号^x（如群体感应分子C₆-HSL），该分子与组成型表达的转录调控因子LuxR-SsrA（记为^X）结合。形成的配体-受体复合物^X-x激活两个关键组分的转录：记忆组分^I（抑制蛋白LacI）和输出^G（荧光报告蛋白GFP-SsrA）。输出^G的表达需要^X-x复合物的存在同时受到^I的抑制，近似于"N-IMPLY"逻辑（^x∧ ?^I）。

关键动力学方程包括：

d^X/d^t= μ - λ^X

d^I/d^t= αθ⁺(^Xx) - γ^I

d^G/d^t= βθ⁺(^Xx)θ^-(^I) - λ^G

其中θ^±(·)为标准化转移函数，采用标准Hill形式。通过调控记忆组分^I的积累速率α和降解速率γ，可实现不同程度的习惯化强度。参数空间分析显示，当记忆降解速率较低（γ小）且生产速率较高（α大）时，习惯化效果最为显著。

敏感化

敏感化是与习惯化相对的非关联性学习形式，其特征是生物体对刺激的反应在经过重复或强烈刺激后增强。这种反应放大机制使生物体能够优先应对潜在威胁。

敏感化回路基于双抑制级联建立正反馈循环。在输入^x存在时，^X-x复合物驱动抑制因子^I（LacI）表达，后者进而抑制^R（TetR-SsrA）的表达。由于^R本身抑制受体^X的生产，净效应是^X间接促进自身表达和放大。输出^G的表达受^X-x复合物直接激活，因此其产生依赖于外部输入和随时间变化的^X浓度。

系统动力学方程为：

d^X/d^t= μθ^-(^R) - λ^X

d^I/d^t= αθ⁺(^Xx) - γ^I

d^R/d^t= ρθ^-(^I) - λ^R

d^G/d^t= βθ⁺(^Xx) - λ^G

记忆效应关键在于只有抑制因子^I具有较慢的降解-稀释速率（γ），其持续存在抑制^R，从而解除对受体^X启动子的抑制。快速降解速率（λ）确保^X和^R的快速周转，使其浓度迅速接近由^I较慢动力学设定的准稳态。

敏感化与习惯化的结合

在某些生物系统中，如加州海兔（Aplysia californica），可观察到敏感化和习惯化的结合表现：强烈刺激后对轻微触摸的反应增强（敏感化），而轻触重复无强化时反应逐渐减弱（习惯化）。

令人惊讶的是，这种复杂行为无需全新设计，仅需在敏感化设计中重新引入习惯化回路的一个抑制相互作用即可实现。在混合电路中，输出^G的表达同时依赖于输入结合受体^X-x的存在和抑制因子^I的缺失。行为转换发生在^I对输出表达的抑制作用超过^X-x介导的激活途径时。

系统方程扩展为：

d^G/d^t= βθ⁺(^Xx)θ_K^-(^I) - λ^G

其中θ_K^-(^I)代表输出的抑制曲线，其半激活常数^K增加，将系统的动态响应转移到更长的时间尺度。参数空间分析表明，虽然敏感化和习惯化的参数区域部分重叠，但两种行为无法同时最大化，这是共享核心电路组件的固有权衡结果。

间隔学习

间隔学习（Massed-Spaced Learning，MSL）是指学习课程在时间上分布（间隔学习）而非短时间内集中（集中学习）的认知策略。这种方法通过在学习课程之间留出巩固时间来提高记忆保持和回忆。

MSL的逻辑架构可通过正向效应级联捕获，其中输入刺激不直接驱动输出表达，而是触发中间转录激活剂的合成，该激活剂在刺激消失后短暂持续。因此，只要该诱导剂保持足够浓度，即使没有持续输入，也能维持输出基因表达。

最小遗传实现包括线性前馈链，其中受体蛋白^X检测外部信号分子^x，导致诱导剂^A（AraC）的生产，进而控制输出蛋白^G（GFP）的表达。

系统方程简化为：

d^X/d^t= μ - γ^X

d^A/d^t= αθ⁺(^Xx) - γ^A

d^G/d^t= βθ⁺(^A) - γ^G

当将总输入持续时间划分为几个均匀间隔的脉冲时，中间激活剂^A逐渐积累，并在脉冲间隔期间仅部分衰减。这种间隔强化模式导致输出的最大峰值振幅高于集中输入情况，证明了对时间分布输入模式的区分能力。

讨论

认知可定义为获取、处理、存储和使用信息以产生或调节行为的能力。从细菌到原生动物或黏菌的某些单细胞生物能够执行各种计算任务，包括简单的学习形式。基础认知研究极大地扩展了我们对可能认知的比较分析，并提出了一些深刻问题：细胞认知有多普遍？它能有多复杂？

本文考虑的遗传回路虽然使用革兰氏阴性菌的组件实现，但基于抽象和模块化的控制主题——如用于习惯化的非相干前馈环和用于敏感化的双抑制级联——这些主题源于转录调控的一般原理。因此，这些主题本质上并不与细菌生理学相关，原则上可以通过替换生物体特异性元素移植到其他生物系统。

通过合成生物学方法设计认知功能，我们获得了研究细胞复杂性及其潜在约束的强大视角。这一努力的长期目标是绘制各种认知代理可能驻留的"认知空间"结构。理解电路复杂性和生物复杂性如何交织在一起，对于绘制细胞认知的极限和可能性至关重要。