Research Trends
바이오파운드리 기반기술 관련 국내외 동향을 요약 제공합니다. DBTL, 자동화, AI/ML, 표준화, 고속 스크리닝 관점으로 큐레이션했습니다.
총 24편
연구진은 xylose와 arabinose 이용 경로가 도입된 Pseudomonas putida를 대상으로 자동화 adaptive laboratory evolution 플랫폼에서 단일 당과 혼합 당 선택압을 비교했습니다. 탄소 제한 혼합 당 조건은 glucose, xylose, arabinose 등 3종 당의 안정적 이용과 경로별 비용 완화를 유도했고, 일반형 클론은 혼합 당에서 indigoidine 생산도 개선된 것으로 보고됐습니다. 바이오파운드리의 대사공학 DBTL 중 Test/Learn 단계에서 자동화 진화 조건을 설계하는 참고 사례지만, 특정 섀시와 lignocellulosic 당 조합에서의 결과이므로 다른 원료·산물로의 이전성은 추가 검증이 필요합니다.
이 리뷰는 Saccharomyces cerevisiae와 비전통 효모 균주공학을 대상으로 CRISPR·모듈형 DNA 조립, 액체취급 로봇, FACS·미세유체 스크리닝, AI/ML 예측모델이 DBTL 각 단계에 연결되는 흐름을 정리했습니다. 논문은 자동화 바이오파운드리 접근이 반복 시간을 주·월 단위에서 시간·일 단위로 줄일 수 있다고 표로 비교하고, 40명이 13개국에서 참여한 Asia-Pacific 워크숍과 GBA 기반 표준화 논의를 통해 상호운용성 과제를 함께 다룹니다. 효모 기반 Build/Test/Learn 모듈을 설계할 때 참고할 수 있지만, 리뷰 성격의 문헌 종합이며 프로토콜 변동성, AI 도구 통합, 데이터·메타데이터 품질 문제가 여전히 병목으로 제시됩니다.
연구진은 구조 단백질 유전시스템을 대상으로 계산 설계, oligopool 기반 다중 플라스미드 조립, nanopore sequencing 기반 many-to-many 매핑, label-free biosensor 스크리닝을 연결한 저비용 Design-Build-Test 파이프라인을 제시했습니다. 이 파이프라인은 240개 플라스미드 구축에서 최대 2000 bp 구간 88% 성공률, 최대 5600 bp 조립 58% 효율, 재료비 최대 24배 절감을 보고해 Build/Test 단계의 병렬화에 참고할 수 있습니다. 다만 bioRxiv 사전출판이고 복잡한 구조 단백질 사례 중심이어서 다른 숙주·산물·장비 구성으로의 이전성은 추가 검증이 필요합니다.
연구진은 CyBio FeliX 액체취급 로봇과 SPRI 자기비드 정제를 결합해 바코드 플라스미드 DNA 라이브러리 제작의 정제 병목을 자동화한 bioRxiv 사전출판을 제시했습니다. 워크플로는 1회 8~96개 샘플 처리에 맞춰 설계됐고, 연구에서는 528개 pooled DNA plasmid를 처리해 lentiviral lineage-tracing library를 구축한 뒤 시퀀싱과 mammalian cell transfection으로 확인했습니다. 바이오파운드리의 Build/Test 단계에서 재사용 가능한 모듈로 참고할 수 있지만, 사전출판이며 CyBio FeliX와 특정 키트·플라스미드 조건에서의 결과라는 한계를 함께 봐야 합니다.
연구진은 효모 상동재조합 기반의 원스텝 다중유전자 조립을 자동화해 발현 조절 라이브러리를 바이오파운드리 환경에서 구축했습니다. Build 단계와 대사경로 라이브러리 제작에 참고할 수 있지만, 셔틀벡터와 효모 숙주 조건에 맞춘 검증이 필요합니다.
이 리뷰는 무세포 단백질 합성이 자동화 액체처리, 고속 스크리닝, 머신러닝 기반 최적화와 결합해 DBTL의 Test/Learn 단계를 빠르게 반복하는 데 쓰이는 흐름을 정리합니다. 다만 lysate 배치 차이, 비용, 표준화 과제는 실제 바이오파운드리 운영에서 함께 검토해야 할 한계로 제시됩니다.
이 리뷰는 바이오파운드리의 DNA 어셈블리 자동화를 고속 플랫폼, 표준화된 설계 도구, AI/ML 기반 프로토콜 최적화 관점에서 정리했습니다. 개별 플랫폼 성능을 직접 검증한 연구는 아니지만, Build 단계와 DBTL 학습 루프를 연결할 때 참고할 수 있는 쟁점을 제시합니다.
LabscriptAI는 자연어 실험 설명을 여러 액체취급 플랫폼에서 실행 가능한 Python 스크립트로 변환하고 시뮬레이터 검증을 반복하는 다중 에이전트 프레임워크입니다. 단백질공학 자동화 사례와 안전 검토 절차를 함께 제시하지만, 사전출판 단계이므로 독립 재현성과 실제 장비 환경별 검증을 함께 살펴볼 필요가 있습니다.
연구진은 Galaxy 기반 워크플로와 active learning을 연결해 무세포 단백질 합성 조건을 반복적으로 선별했습니다. E. coli와 HeLa 추출물에서 항균 단백질 생산 사례를 제시하지만, 대상 단백질과 실험 환경이 제한되어 다른 CFPS 구성으로의 확장은 추가 검토가 필요합니다.
연구진은 LLM 기반 에이전트, 장비 연동 계층, active learning을 결합해 DNA polymerase 변이 설계와 시험을 세 차례 반복한 사전출판 연구를 제시했습니다. 자연어 기반 실험 지시와 자동화 장비 제어를 DBTL 흐름에 연결한 사례로 참고할 수 있지만, 특정 효소·장비 구성에서의 결과이므로 독립 재현성과 다른 워크플로 적용성 검토가 필요합니다.
CascadeMAP은 미세유체 고속 실험, Bayesian optimization, 다중 에이전트 AI를 결합해 효소 캐스케이드 조건을 폐루프 방식으로 탐색한 bioRxiv 사전출판입니다. 두 개의 효소 캐스케이드 사례와 대규모 반응 처리 결과는 고속스크리닝과 Learn 단계에 참고할 수 있지만, 특정 반응계와 사전출판 단계라는 한계를 함께 봐야 합니다.
EffiModular는 Golden Gate Assembly와 효모 상동재조합을 연결해 다중 전사단위 조립 단계를 줄이고, 바이오파운드리 워크플로에서 베타카로틴 생산 효모 라이브러리 구축 사례를 제시했습니다. 자동화된 Build 단계의 처리량 개선에 참고할 수 있지만, 특정 효모 섀시와 경로에서의 성능이라 다른 시스템 적용성은 추가 검토가 필요합니다.
연구진은 acoustic liquid handling과 active learning을 결합해 PURE 시스템의 69개 구성요소를 21개 기능군으로 묶고 조성 공간을 탐색했습니다. 단일 리포터와 합성 염색체에서 개선 사례를 제시하지만, DNA 농도와 유전자별 의존성이 커 적용 전 표적별 재검증이 필요합니다.
Slowpoke는 Opentrons OT-2와 Flex에서 Golden Gate 클로닝, 형질전환, plating, colony PCR 준비를 연결한 공개 워크플로입니다. YTK와 SubtiToolKit 검증으로 Build 단계 자동화와 표준화에 참고할 수 있지만, colony picking 등 일부 수작업과 툴킷 복잡도에 따른 효율 차이는 함께 고려해야 합니다.
연구진은 Hamilton VANTAGE 기반 액체처리·열충격·도말 과정을 연결해 효모 형질전환과 유전자 라이브러리 스크리닝을 자동화한 프로토콜과 코드를 제시했습니다. 주로 Build 단계와 verazine 경로 사례에 초점이 있어 다른 균주·장비로의 이전성은 추가 조정이 필요하지만, 바이오파운드리의 재사용 가능한 균주 제작 모듈로 참고할 수 있습니다.
연구진은 대규모 언어모델과 Ginkgo Bioworks의 클라우드 자동화 실험실을 연결해 무세포 단백질 합성의 실험 설계, 실행, 데이터 해석, 다음 가설 생성을 반복했습니다. 사전출판 논문이고 참여 기관의 이해관계가 있어 독립 재현성 검토가 필요하지만, DBTL 전주기를 소프트웨어 검증과 자동화 장비 제어로 묶은 사례로 참고할 수 있습니다.
연구진은 ESM-2 기반 변이 설계와 자동화된 제작·시험을 연결해 tRNA synthetase 모델 효소를 네 차례 DBTL 주기로 평가했습니다. 96개 단위 변이 라운드와 피트니스 예측 갱신을 결합한 사례로 Build·Learn 연계에 참고할 수 있지만, 한 효소 계열과 특정 assay 조건에서의 검증이라는 점을 함께 봐야 합니다.
DropAI는 미세유체 액적과 형광 색상 코딩, 머신러닝 모델을 결합해 세포 없는 유전자 발현 조성의 대규모 조합을 선별한 연구입니다. E. coli 기반 조성 단순화와 Bacillus subtilis 시스템 전이학습 사례를 제시해 고속스크리닝·Learn 단계에 참고할 수 있지만, 특정 장비와 모델링 조건에 따른 재현성 검토가 필요합니다.
Bayesian optimization과 자동화된 고속 실험을 결합해 세포 없는 시스템의 버퍼 조건을 선별하고 RNA-seq 적용성을 높인 연구입니다. 바이오파운드리의 Learn 단계와 무세포 플랫폼 최적화에 참고할 수 있지만, T7 phage 중심 조건에서의 일반화는 추가 검증이 필요합니다.
연구진은 자동화된 균주 제작·시험과 active learning을 연결해 CRISPRi 조합 설계 공간을 줄이며 isoprenol 생산을 탐색했습니다. 여섯 차례 DBTL 반복과 proteomics 검증이 함께 제시되어 대사공학 워크플로의 Learn 단계에 참고할 수 있지만, 특정 숙주·생산물에서의 결과라는 점을 함께 봐야 합니다.
연구진은 단백질 언어모델, 저표본 머신러닝, iBioFAB 자동화 워크플로를 연결해 두 효소를 네 차례 DBTL 주기로 설계·제작·시험했습니다. 초기 라이브러리와 assay 조건에 의존하는 한계가 있어 다른 효소·목표 특성으로의 확장은 추가 검증이 필요합니다.
프로젝트-서비스-워크플로우-단위공정 4단계 모델을 통해 이기종 바이오파운드리 간 호환성과 재현성을 높이는 접근이 제시되었습니다.
자동화와 데이터 기반 운영체계 강화를 목표로 국가 차원의 바이오파운드리 인프라 구축 추진이 지속되고 있습니다.
다중오믹스 시계열 데이터와 ML을 결합해 DBTL 학습 효율을 높이고 생산성을 개선하는 연구가 활발히 진행 중입니다.
본 페이지는 공개 출처를 기반으로 작성되며, 자세한 내용은 원문을 확인해 주세요.