戴宗杰、王钦宏、Kevin J. Verstrepen等学者联合在《Trends in Biotechnology》上发表综述，系统性地阐述了合成进化（synthetic evolution）领域的最新突破。该综述于2026年发表，题为《超越自然进化：用于合成进化的多尺度体内诱变工具箱》。文章指出，尽管数十亿年的自然进化产生了非凡的生物多样性，但生物分子和生物体在工业与医疗应用中往往并非最优。为此，研究人员利用DNA合成、CRISPR-Cas工程及合成生物学等技术，开发了能够在生物体活细胞（in vivo）内持续进行诱变的合成进化工具箱。该综述的核心创新在于，它并非单纯罗列技术，而是首次根据突变作用尺度（mutational scale）对这些工具进行了系统分类，即基因组范围（genome-wide）、中等规模（medium-scale）和位点特异性（site-specific）诱变，并深入探讨了各尺度的适用场景与性能指标。

在论述伊始，作者阐明了合成进化相较于传统方法的优势。传统的适应性实验室进化（adaptive laboratory evolution, ALE）依赖极低的自然突变率，耗时漫长；而定向进化（directed evolution, DE）虽通过易错PCR（error-prone PCR, epPCR）等手段提高突变率，却面临体外操作繁琐、序列空间探索受限的瓶颈。合成进化工具利用可编程的分子机器，实现了体内持续诱变，兼具高可控性与连续性。选择何种工具取决于目标表型的遗传基础。复杂性状（如胁迫耐受性）涉及全基因组众多未知的数量性状基因座（quantitative trait loci），适合基因组范围诱变；优化单个氨基酸残基则仅需修改三个碱基对，适合位点特异性诱变；而中等规模诱变则连接两者，适用于基因或代谢途径的多样化。综述通过多维比较表格，为实验人员提供了工具选择的战略指南。

文章随后对各尺度工具进行了深入剖析。基因组范围诱变工具通过在非预定义基因座引入随机突变，构建高覆盖度的遗传多样性文库，适用于对基因型与表型关系缺乏了解的初始筛选。经典策略是干扰DNA复制与修复系统。例如，GREACE系统通过削弱大肠杆菌（Escherichia coli）的校对功能，将突变率提高至2，839倍；谷氨酸棒杆菌（Corynebacterium glutamicum）中的“二元增变器”（binary mutators）同时破坏校对和错配修复（mismatch repair, MMR），突变率提升2，352倍；而DRAGON系统利用CRISPRi抑制MMR、核苷酸切除修复（nucleotide excision repair）和碱基切除修复（base excision repair），并增强跨损伤合成（translesion synthesis， TLS），突变率提升548倍。另一策略是将碱基编辑酶（如胞苷脱氨酶）与能非特异性结合DNA的蛋白（如解旋酶或RNA聚合酶）融合，实现随机编辑。典型例子如Helicase-AID系统，突变率提升超2000倍；MutaEco系统提升104倍。最突出的MP6质粒整合六种增变元件，突变率比自发突变高30万倍。这些工具已被广泛应用于提高赖氨酸、β-胡萝卜素产量，增强耐酸、耐异丁醇等胁迫抗性，以及拓展碳源利用谱。然而，全基因组方法不可避免地会引入有害突变，导致“穆勒棘轮”（Muller’s ratchet）效应，因而需要开发能根据目标表型动态调控突变率的基因回路。

当遗传靶标基本明确时，中等规模诱变工具可将突变限制在特定区域，效率更高，且能规避全基因组的适应度负担。这类工具主要基于两大框架：一是利用工程化的可移动遗传元件（mobile genetic elements， MGEs），二是利用可编程的分子效应器。在病毒辅助的突变中，开创性的PACE系统利用M13丝状噬菌体的生命周期，将目标基因（gene of interest， GOI）的功能与噬菌体感染相偶联。宿主细胞在生物反应器中持续流动，仅有GOI功能突变体触发必需蛋白pIII的表达，组装出有感染力的子代。PACE已广泛应用于进化具有拓展PAM的Cas9变体、紧凑型Prime编辑器所需的高活性逆转录酶等基因组编辑工具。为克服M13噬菌体约5 kb的包装限制，IDE系统利用P1温和噬菌体，将包装容量提升至36 kb。类似系统也拓展到了哺乳动物细胞，如VEGAS和Proteus系统。质粒与转座子平台则更为简易安全。TADR和itmu等非正交系统虽高效，但存在脱靶干扰宿主基因组的风险。itmu系统基于广宿主质粒，已在多种工业宿主中实现长达9 kb区域的突变。正交系统则使用独立于宿主的复制机器，如酵母中的OrthoRep系统和细菌中的T7-Oracle系统，它们完全不干扰染色体复制，T7-Oracle在细菌中使用T7噬菌体衍生的环状质粒，实现了极低的背景突变率。此外，利用靶向性效应器的策略（如基于正交RNA聚合酶的MutaT7系统和利用CRISPR-Cas的COMUTER、CTRLE系统）能够实现原位突变。CTRLE系统甚至能在约2 kb窗口内产生全部12种碱基替换，解决了脱氨酶突变谱系受限的难题。

位点特异性诱变工具则将突变精确限制在几十到几百个碱基对的窗口内，主要用于进化特定的功能域、活性位点或调控元件。主要实现策略包括靶向碱基编辑、靶向非持续合成能力聚合酶以及体内突变重组。靶向碱基编辑（如TAM、CRISPR-X）通过将脱氨酶与nCas9或dCas9融合，在不产生双链断裂的情况下精确修改特定位点碱基。在水稻中，STEMEs共表达胞苷和腺嘌呤脱氨酶，成功进化出抗除草剂突变体。为克服脱氨酶突变谱系受限和PAM依赖性问题，一方面引入DNA糖基化酶触发跨损伤修复以产生随机突变（如ACGBE系统），另一方面通过定向进化或AI辅助设计出PAM灵活的Cas变体。靶向非持续合成能力聚合酶以EvolvR为典型代表，将低保真Pol I与nCas9融合，在切口处进行易错的“切口平移”，在约60 bp窗口内提升突变率约21万倍并产生全部碱基替换。体内突变重组则通过“细胞内”生成供体与重组整合两步机制实现，例如Retron-based evolution系统利用逆转录元件，而T7ACE系统和CRAIDE系统则利用正交RNA聚合酶生成突变的DNA或RNA供体，为无需外源供体的连续进化提供了新路径。

最后，综述高瞻远瞩地指出了合成进化当前的局限与未来的突破方向。现有工具多产生点突变，极少系统性地引入插入缺失或大规模结构变异。虽然SCRIBE等系统能产生重排，但其对预整合位点的依赖限制了可编程性。更关键的挑战在于“垃圾桶里的红宝石”（ruby-in-the-rubbish）困境，即极少数有益突变往往淹没在大量中性和有害突变背景中，缺乏高效重组会导致“Mueller棘轮”效应。为解决这些问题，下一代基因编辑技术（如PASTE、桥RNA、TIGR-Tas系统）有望实现可编程的结构变异，在分子水平模拟有性生殖以打破棘轮效应。在高通量筛选方面，自动化微量化培养平台、微生物微滴培养系统、质谱或光谱激活的微滴分选技术结合长读长单细胞测序，有望为难以偶联生长的性状提供通用筛选策略。尤为关键的是，人工智能（artificial intelligence， AI）正深度重塑该领域，它能预测复杂的非加性及上位效应突变组合，指导在复杂适应度景观中的导航路径。反过来，合成进化产生的大规模非天然序列功能数据，又将反哺AI模型，助力构建全细胞预测模拟。这预示着，合成进化正从一个强大的筛选工具，变为一个与AI深度融合的、数据驱动的理性设计平台。