標準化生物零件的工程學挑戰、計量學框架與社群基礎設施構成合成生物學可擴展性的根基。
零件行為的 Context Dependency
Mutalik et al.（2013, Nat Methods）系統性分析了 >8,000 個啟動子-RBS-CDS 組合，發現：(1) 啟動子的實測強度受下游 RBS 影響 >5 倍；(2) RBS 效率受上游和下游序列的 mRNA 二級結構影響。這意味著「零件的行為不等於裝置的行為」——context 是首要挑戰。
解決方案：
- Insulator elements：RiboJ（自切割核糖酶）放在 RBS 前，切割後產生固定的 5' UTR，消除上游序列影響（Lou et al., 2012, Nat Biotechnol）。
- Bicistronic design (BCD)：在目標 CDS 前插入短 leader ORF + 強 RBS，翻譯 leader ORF 的核糖體「掃過」目標 CDS 的 RBS 區域，消除 mRNA 結構效應（Mutalik et al., 2013）。
- Self-cleaving peptide (2A)：T2A/P2A/E2A/F2A 允許多蛋白從單一 mRNA 等量共表現。
計量學（Metrology）
精確的零件特性描述需要標準化的測量方法：
- Calibrant plasmids：Beal et al.（2018, PLoS ONE）提出 IGEM Measurement Kit：含已知濃度的螢光蛋白（fluorescein, FITC-equivalent）和 OD600 校正標準，讓不同實驗室/儀器的數據可互比較。
- Relative Promoter Units (RPU)：以 J23101 啟動子為 reference（定義 RPU = 1.0），其他啟動子的強度以 RPU 表示。
- Flow cytometry-based characterization：單細胞層級的螢光分布揭示 population heterogeneity（noise），比 bulk measurement 更資訊豐富。
DNA Foundry 與自動化建構
- Biofoundry：如 London DNA Foundry、Edinburgh Genome Foundry、Broad Foundry——整合 robotic liquid handling、自動化 Gibson/Golden Gate assembly、colony picking、plasmid verification 的全自動平台。
- Cloud lab：Strateos（原 Transcriptic）提供雲端實驗室 API，使用者以程式碼下指令遠端執行實驗。
- DAMP Lab workflow：Vaidyanathan et al.（2021）將 Cello 的 circuit design 輸出直接接入 biofoundry 的建構 pipeline，實現 design→DNA→transformation→characterization 的全自動閉環。
開放資源生態系
- iGEM Registry：>60,000 parts，但品質參差（許多缺乏實測數據）
- Addgene：>100,000 plasmids 的物理寄存庫，科學家可低價取得他人發表的質體
- FreeGenes / Open Bioeconomy Lab：開源合成生物零件，免專利使用
- JBEI-ICE：開源的零件管理資訊系統，支援 SBOL 格式
文獻參考：Knight, T.F. (2003). MIT AI Lab Tech Report. / Canton, B. et al. (2008). Nat Biotechnol, 26, 787-793. / Mutalik, V.K. et al. (2013). Nat Methods, 10, 354-360. / Galdzicki, M. et al. (2014). Nat Biotechnol, 32, 545-550.