《Life》:Microalgal Astaxanthin: From Metabolic Regulation to Industrial Biomanufacturing for a Sustainable Bioeconomy
编辑推荐:
虾青素是一种具有强抗氧化活性的酮类胡萝卜素。其抗氧化活性高于多种其他类胡萝卜素,在化妆品、营养保健品和医药领域具有潜在应用价值。微藻是水生生态系统中的初级生产者。由于其高效的光合作用以及将CO2转化为有价值产品的能力,微藻也被视为实现可持续生物经济的可持续且有
虾青素是一种具有强抗氧化活性的酮类胡萝卜素。其抗氧化活性高于多种其他类胡萝卜素,在化妆品、营养保健品和医药领域具有潜在应用价值。微藻是水生生态系统中的初级生产者。由于其高效的光合作用以及将CO2转化为有价值产品的能力,微藻也被视为实现可持续生物经济的可持续且有前景的底盘生物。然而,目前微藻大规模生产虾青素仍受限于关键瓶颈,包括虾青素生物合成的调控机制不清晰、菌株性能欠佳以及产物滴度低,导致光养培养和下游加工成本高昂。本综述总结了近年来关于虾青素生物合成代谢调控的研究进展以及工业生物制造的技术突破,重点阐述了综合策略如何助力实现可持续生物经济。研究人员提出了一个概念性和模块化的绿色虾青素智能制造系统框架,该系统整合了育种与代谢调控、规模化培养工艺优化、绿色分离、提取与应用。本综述有助于将微藻虾青素的产业发展升级至支撑全球气候变化应对、保护生态资源安全以及推动绿色工业革命的战略层面。
2. 高产虾青素优化藻株的筛选
2.1 极端环境微藻中虾青素生产的发展
极端环境微藻因其耐酸性和嗜热性等内在特性而备受关注。这些特性不仅使其在开放池系统中对生物污染具有天然抵抗力,也为解决传统菌株的生产力限制提供了有希望的途径。例如,在耐热嗜酸红藻C. merolae中异源表达来自C. reinhardtii的CrBKT和CrCHYB基因,在不影响藻蓝蛋白产量的情况下实现了虾青素积累(0.45–0.69 wt%),从而确立了极端环境微藻作为虾青素生产的稳健底盘。此外,耐锌极端微生物D. globosus已成为另一个有前景的虾青素生产底盘。培养基中最适Zn2+水平可提高虾青素及其他色素的产量。
2.2 高光条件下红色游动细胞的筛选与培养
厚实的细胞壁是微藻工业化生产虾青素的关键瓶颈之一。这种适应性防御机制不仅使下游提取复杂化,还可能抵消因生产力提升带来的经济效益。近期一项突破通过靶向筛选绕过了这一障碍,分离出了富含虾青素的游动菌株RMS10。突变株RMS10源自亲本菌株NBU489,具有更高的生物量和虾青素含量。值得注意的是,RMS10无需外部细胞破碎即可释放虾青素,产量达44.6 mg/g,比NBU489提高了53.3%,为规避细胞壁瓶颈提供了一种替代方案。
3. 虾青素途径的代谢工程改造
3.1 微藻中的虾青素生物合成途径
虾青素生物合成在微藻细胞内经历四个空间分隔的连续阶段。胞质和质体中的中心碳代谢产生丙酮酸、乙酰辅酶A和甘油醛-3-磷酸,这些物质进入定位于质体的甲基赤藓醇磷酸(MEP)途径。在质体中,DXS和DXR催化MEP途径的起始步骤,生成异戊烯基焦磷酸(IPP)和二甲基烯丙基焦磷酸(DMAPP)。IPP和DMAPP经香叶基香叶基焦磷酸(GGPP)合酶和八氢番茄红素合酶(PSY)缩合形成八氢番茄红素;随后经八氢番茄红素脱氢酶(PDS)、15-顺式-ζ-胡萝卜素异构酶(Z-ISO)、ζ-胡萝卜素脱氢酶(ZDS)和类胡萝卜素异构酶(CRTISO)催化的脱饱和/异构化反应生成全反式番茄红素,后者被番茄红素β-环化酶(LCYB)和ε-环化酶(LCYE)分别环化为β-胡萝卜素和α-胡萝卜素。β-胡萝卜素作为虾青素的直接前体,在质体膜/包膜处由β-胡萝卜素酮醇酶(BKT)和β-胡萝卜素羟化酶(CrtR-B)转化,之后虾青素被酯化并隔离在质体小球或胞质脂滴中。因此,该途径并非单一的胞质级联反应,而是一个以质体为中心、下游储存在脂滴中的网络。
3.2 利用先进基因工程技术重塑虾青素途径
通过共表达策略或靶向基因工程优化虾青素生物合成基因及相关关键酶的表达,对于重塑虾青素生物合成网络并实现高效生物制造至关重要。例如,原核微藻Synechococcus sp. PCC 11901经BKT和CrtZ共表达改造以重新定向代谢流,实现了10 mg·L-1·d-1的虾青素产量。此外,在C. reinhardtii中开发了一种结合基因组编辑与环境调控的协同增强系统。通过同时敲除LCYE和玉米黄质环氧酶(ZEP)基因构建的Δzl-bkt Chlamydomonas菌株,在低光条件下产生了高达2.13 mg/L的虾青素。通过消除负调控因子和阻断竞争途径可以增强虾青素产量。例如,利用CRISPR-Cas介导的负调控因子敲除,能够靶向地将碳通量重定向至虾青素生物合成。除了碳通量重新分配外,克服亚细胞区室化造成的代谢瓶颈是优化虾青素合成的另一核心方向。微藻中虾青素的生物合成是一个高度协调的过程,涉及糖酵解、MEP途径、GGPP合成、类胡萝卜素合成和酮类胡萝卜素合成五大途径。参与这些途径的酶通常分布在不同的亚细胞区室中,包括细胞质、内质网(ER)和线粒体。
4. 虾青素积累的系统生物学策略
4.1 碳流重编程的培养模式优化
实现高效大规模的虾青素生产还在于建立动态的培养调控系统,从而提高生产过程的可控性和可预测性。代谢流优化研究表明,微藻可采用三种生长模式:自养、异养和兼养,其中兼养模式对碳流分布具有更优的控制力。该模式整合了光合自养和异养的优点,允许微藻同时利用光能、CO2和有机碳源,产生协同效应。
4.2 光质调控代谢重塑
光质调控已成为提高虾青素产量的有效策略。不同波长的光可以差异性地调节微藻的碳吸收、中心碳代谢和碳分配,其中蓝光在诱导虾青素积累方面最为有效。在最佳蓝光诱导下,指导虾青素合成的代谢网络呈现出特征性的“一抑制、两激活”调控模式:三羧酸(TCA)循环被抑制以促进碳保存,MEP途径被激活以增强关键中间体的供应,磷酸戊糖途径(PPP)被上调以为虾青素生物合成提供还原力(NADPH)和能量(ATP)。
4.3 人工智能驱动的培养过程优化
尽管经验性干预可以部分优化代谢流,但虾青素生物合成是一个涉及多参数耦合的高度非线性过程,传统的试错法不足以识别全局最优解。目前,动力学模型、响应面法(RSM)、人工神经网络(ANN)和基因组规模代谢模型(GEM)已被广泛用于模拟和预测微藻生长及虾青素产量。然而,动力学模型、RSM和ANN在从全局水平分析虾青素生物合成的关键步骤方面存在固有限制。要实现对整个过程的系统级理解,需要借助GEM提供的见解。整合RSM和ANN(两者均源于机器学习(ML))与GEM的优势,创建了一个嵌入式交叉框架:三元双向矢量代谢模型。这种集成方法具有两大优势:首先,它利用多组学数据提高了代谢网络重建的准确性,揭示了隐藏的调控机制,并预测了缺失的反应或酶功能;其次,它通过ML简化了GEM的人工校正工作,大幅减少了劳动密集型干预的需求。