当下，合成生物学仍然面临诸多挑战。比如，合成生物学的设计过程需要对天然生物元件及其相互作用，包括信号通路的激活、转导以及下游相应的过程有着全面且系统的把握，除此之外还需要大规模数据库的支撑。但目前在真实的生物体中，仍然有大量的生物元件其功能、结构、以及互作模式尚未明确，且存在体内样本取样难，数量少的问题。

同时，合成生物学工具在改造现有系统之外，还涉及到定制和动态合成基因组，这一过程高度依赖从组学实验中获得的全细胞模拟与深度学习，这对数据库有了更高的需求。此外，合成生物学工具需要大规模的平台进行学习与测试，这需要高通量、可控制的载体作为基础。因此，类器官模型作为可以在体外高效模拟体内微环境的工具，可以提高合成生物学工具测试、学习、重构过程的效率及准确性。基于类器官模型衍生的组学研究及高通量的筛选，也可以使得合成生物学家能更好地把握天然生物系统中的分子机制与相应的生物学过程。如何评估类器官的质量，是类器官构建中的基本问题之一。除了理解类器官的体外分化效率、异质性外，类器官与体内组织器官的相似度如何是类器官质量控制的关键内容。
 

出自《类器官技术与合成生物学协同研究进展》作者陈子苓，向阳飞.