科学家通过结合青蛙的皮肤细胞和神经细胞，创造了名为Xenobot的生物机器人。这些机器人能够自我组织、游泳、感知环境、做出决策并记忆，尽管没有大脑，仍能通过细胞间的化学信号展现复杂行为。这项研究为合成生物学和再生医学提供了新方向。

麻省理工学院的研究项目结合合成生物学与人工智能，开发针对特定病原体的可编程抗菌剂，以应对全球抗微生物耐药性危机，特别是在低收入国家。

人工智能与合成生物学的结合推动生物分子在数据存储中的应用，生物系统与半导体技术的融合有望在新药研发和生物计算等领域取得突破，生物智能可能超越传统计算，促进生命科学的发展。

本研究开发了一种新型基因组重组生物（GRO），通过将翻译功能压缩至单一密码子，利用UAA作为唯一终止密码子，展示了非简并编码系统的潜力，为合成生物学和生物治疗提供了新方向。

生物工程正经历变革，生物、工程与技术的结合将重塑人类生活。再生医学、合成生物学和基因编辑等领域的快速发展，展现了在医疗、农业和环境可持续性方面的巨大潜力。然而，必须认真对待这些技术的伦理和公平性问题，以确保其惠及全人类。

合成生物学结合生物学、工程学和计算机科学，旨在设计新生物系统。人工智能（AI）提升了设计和优化能力，但也带来了测试和验证的挑战。文章探讨了AI在基因设计、蛋白质工程和代谢途径优化中的应用，以及在复杂生物系统中测试AI的困难，如数据质量和伦理问题。有效的测试方法包括实验验证和模拟。未来需发展标准化测试框架和实时测试能力，以确保AI系统的可靠性和伦理合规性。

IEEE近日公布了2025年奖项获奖者，MIT的四位教授和五位校友获奖。Regina Barzilay因其在AI和健康领域的创新机器学习算法获Frances E. Allen奖，James J. Collins因合成生物学的贡献获医疗技术创新奖。其他获奖者包括Roozbeh Jafari、William Oliver和Daniela Rus，他们在数字健康、量子计算和机器人领域表现突出。

美国Arc研究所与斯坦福大学团队开发的机器学习模型Evo，能够高效解码和设计DNA、RNA及蛋白质序列。Evo基于数十亿基因序列，预测突变影响并设计新型CRISPR基因编辑器，可能改变合成生物学的未来。

中山大学团队开发了GraphEC，这是一种基于几何图学习的酶功能预测技术。它利用ESMFold预测结构和预训练的蛋白质语言模型，从蛋白质结构中提取功能信息。GraphEC能有效预测酶的活性位点、EC编号和最佳pH值，表现优于现有方法，具有在合成生物学和基因组学中的应用潜力。未来可通过改进结构质量和结合大型语言模型提升预测能力。