相关阅读：

中国农科院王建华：从抗菌肽到品种改良，合成生物学助力农业科技与产业突围 

中国工程院陈坚院士：合成生物学重构660亿化妆品原料链，国货品牌迎来破局新机遇 

“当前AI在生物制造领域较为成熟的应用就是‘三板斧’：寻路（设计生物合成路线）、挖酶（新酶发现）、改酶（酶序列优化），这是AI应用相对成熟的环节，未来如果AI足够强大，甚至有希望根据化学反应直接创造一个自然界不存在的酶。”近期，上海智峪生物科技有限公司董事长、CEO王晟博士接受动脉网专访时表示。

据介绍，智峪生科成立于2021年，始终专注于合成生物学前沿领域，深度融合人工智能（AI）技术，深耕合成生物学研发、高附加值生物制品生产及个性化定制服务三大核心业务。

智峪生科依托AI赋能的生物合成路径智能设计、酶工程及微生物代谢工程等前沿技术，成功开发多款创新型生物基原料，覆盖食品保健、美容化妆品、医疗健康、生物制药、 新材料、农业等领域。

王晟博士是将人工智能特别是深度学习率先引入蛋白质结构预测领域的先驱者之一，其早期工作（2014-2017年）为AlphaFold（2024诺奖）系列奠定了重要的理论基础与技术框架。

王晟博士拥有上海交通大学生命科学院的本科学位和中国科学院理论物理所的博士学位，并在芝加哥大学等顶尖机构从事过深入研究。归国后曾任腾讯AI Lab高级研究专家，专注于AI驱动的计算生物学。王晟博士致力于推动AI for Science的产学研融合，他领导开发的fastAF2算法明显提升了新酶发现与生物合成的效率。

在王晟看来，寻路、挖酶、改酶是当前AI在生物制造领域相对成熟的应用场景。

“寻路”即借助AI来设计生物合成路线，进而得到最终产物。据了解，“寻路”属于生产工艺优化环节，而生产工艺是生物制造的关键之一，甚至可能决定了产品能否规模放大和量产。

王晟表示，生物合成的路线设计必须借助AI，因为如果只是通过传统数据库检索，就很难跳出之前已存在的合成路线，而且只有人类发现过这一路线，才可能找得到。

“相比之下，AI具备强大的设计能力，通过训练数据、学习分子特征，可以根据给定的起点和终点，天马行空地设计出一条合成路线，这一路线可能从未在文献中出现过，但是在专家看来，或许还真的可行。”

除了“寻路”，AI在生物制造生产工艺的系统管理方面也能起到很大作用。“可以通过压力、温度、pH以及溶氧等传感器对发酵过程和代谢产物量进行实时监控，这也是智峪生科正在开发的重点方向。”王晟告诉动脉网。

王晟进一步指出，在分离纯化过程中，AI也可以发挥两大作用：

一是小试、中试时，通过AI计算出潜在的优秀工艺方案，但最终仍需尝试才能确定。

二是在实际生产过程中，AI对生产进行实时监控并给出智能决策，若在无人值守时出现故障，只要传感器配置足够丰富，AI就能在第一时间让危险和损失降到最低，例如压力过高或温度过热可能会让反应不可控，那么就给AI附加条件，遇到类似情况直接关闭机器，这些对AI的能力要求可能没有改酶那么高，应用可能比改酶更加成熟。

AI在工艺优化方面的应用确实已有案例，例如Pow.Bio平台通过AI增强来分析揭示生物工艺变异源头，提前预警生物反应器条件变化导致的潜在突变。

据Lux research分析，在生物制造的工艺优化环节，AI可以在大数据集中检测细微关联、跨操作范围泛化，并实时调整控制策略，可以增强传统工具的效果。如果AI在生物制造工艺中的进展能够超越模式识别，发展为整体性、前瞻性控制系统，能够检测并应对污染或代谢等方面挑战，才能对生物制造过程变得至关重要。

“AI用于生物工艺优化很可能在未来两到三年内变得越来越必要。”Lux research指出。

挖酶即根据特定反应步骤，从已知蛋白质序列数据库中挖掘相应的酶，类似于“智能化的搜索引擎”。

据王晟介绍，当前人类对已知蛋白序列的收集已超过十亿条，挖酶的实现方法就是借助AI，从庞大的蛋白质序列数据库中挖出有限数量的有潜在指定功能的蛋白质序列，并依赖DNA合成与分子克隆技术，最终在生化实验中验证催化合成反应的效率。

改酶则是现有或挖到的酶表现不够好，或者达不到工业生产的需求，例如底物转化率不够高、活性不够强，或者酶热稳定性、可溶表达量等属性不达预期，甚至在更有挑战的场景下需要改变酶的产物或者底物的选择性，那么AI生物计算技术可以根据目标属性对酶进行改善。

“具体方法是通过AI算法沟通‘序列-结构-功能’的关系，寻找影响酶功能属性的关键氨基酸，进行指定方向的突变。传统定向进化方式主要利用大量饱和突变，对于酶改造依然有效且被广泛采用，但效率较低、周期长，借助AI会大幅提高效率。”王晟指出。

但是挖酶和改酶不论对生物制造还是AI，似乎都属于较为初级的应用。

在王晟看来，当前AI对酶的价值类似“搜索引擎”，功能发挥不够，未来一定要从“搜索时代”上升到“造酶时代”，即给出化学反应就能造出一个能实现催化的酶，这才能给产业带来翻天覆地的变化。

“如果只是随意造出一个酶，很多企业都可以做到，但如果是为任意一个化学反应来创造催化酶，全球能做到的人屈指可数，且基本无法实现工业化应用，所以只能先退而求其次，用AI来挖酶和改酶。”王晟表示。

据王晟介绍，造酶难度非常大。当前化学合成技术已经非常成熟，几乎是“天下万物皆可化学合成”，只要给定需要合成的物质的分子式，化学专家就都可以通过各种方式实现合成，但是不少反应都不够高效或者污染严重。

这时能否借助AI有针对性地造酶，让反应更绿色高效地实现？

王晟指出，目前自然界现存能实现催化的酶，数量并不多。因为酶通过千百万甚至数亿年的天然进化，已经非常漂亮和高效，但大多只能在常温常压环境下发挥作用。

“未来人类有望结合系列化学反应方程式直接设计出酶，可能不一定必须由20种标准氨基酸形成，甚至可能都不是传统意义上的蛋白，但就是能催化反应。但是造酶挑战非常大，难度可能会达到诺贝尔奖级别。”王晟指出。

要想真正实现造酶，据王晟分析，还要在以下四方面继续突破：

第一，理论化学还需要完成一些研究，但不用太多；

第二，酶催化的本质与量子力学有关，但当前科学对量子化学和生物催化结合的探究还不够；

第三，需要打造AI模型，能够刻画化学反应最底层的信息，这涉及动态反应势能、电子转移、化学键形成和断裂过程、过渡态刻画等，可能必须通过量子化学才能描绘，但这些步骤如何用AI语言来描述和理解，目前还没有任何一个算法能够做到；

第四在于验证，哪怕初步的AI模型诞生，根据一个化学反应设计出数十万个蛋白质序列后，其中可能只有一条序列能够催化反应，那么该如何进行高效验证，同样是困难所在。

AI在细胞工厂方面也有广阔的应用前景。

细胞工厂即对底盘细胞改造后，可以造出特定化学品和蛋白质的微生物。

王晟表示，很多合成生物产品都是通过细胞工厂生产，但是对细胞工厂的改良和打造仍然依靠传统方法，即不断敲掉DNA的不同片段，或者不断引入不同的外源序列，再或者通过大量随机诱导突变，再结合高通量筛选，虽然也有不少科学依据，但本质上更像是依靠不断试错来找到正解。

AI似乎可以提高“不断试错”的效率，但是当前尚无细胞工厂的垂直大模型出现。

据王晟分析，细胞工厂的核心是代谢网络和通路，其实人类一直想在细胞工厂方面有所突破，但大多只停留在学术层面，例如近年很火的虚拟细胞“virtual cell”，本质就是希望通过AI模型来理解、描绘和预测细胞的代谢网络。

“就像Alpha Fold2横空出世后，人类才能掌握序列蛋白的结构和功能之间的关系，但是在细胞工厂领域还缺少对应的算法和模型，或者远未达到类似AlphaFold2的级别，也就很难预测细胞工厂的代谢网络。”王晟表示。

据了解，与酶不同的是，细胞工厂的代谢网络极其复杂，代谢可能涉及到十余种酶，同时涉及DNA转录、逆转录和代谢，是个系统工程模型，而且细胞工厂的改良目标往往是用最少的物料、最短的时间、产出更多的结果，这就进一步提高了难度。

而AI只有充分理解了这一网络，才能建立大模型，真正赋能细胞工厂。

王晟指出，细胞工厂几乎相当于一整个生命体，其代谢网络不仅包含了蛋白质之间的互作网络，还有蛋白质与核酸、蛋白质与小分子的互作网络等。

而且代谢网络会随外界因素变化而变化，细胞在小型、100升以及100吨的发酵罐中的代谢状态完全不同，这与细胞密度、环境温度、pH值、搅拌转速以及氧的分布等各种因素相关，细胞工厂放大难的问题也正在于此。

“只有AI才能理解和预测细胞工厂的代谢网络，但AI在这方面的赋能程度还不够，缺少优秀的建模。”王晟表示。

正因为如此，王晟认为AI在酶方面的应用，短期内一定优于细胞工程，而且更可控和高效。

“因为酶在一升和一万升发酵罐中的效果可能基本一致，我们挖的酶、改的酶在小反应中的两小时转化率为99.8%，在用于生产的10吨大发酵罐中也是同样的效果。因为酶来源于细胞，本质是催化剂，化工催化剂较少出现放大难的问题。”

“但是如果想要做到生物制造成本比化工方式更低，几乎只能靠细胞工厂，但是当前对细胞工厂的改良可能还是要借助传统试错方法来完成。”王晟表示。

相关阅读

“阿魏酸香兰素”成功实现从AI计算到百吨级产业化

引领食品香料产业高端化升级

近期，依托自研AI计算平台，智峪生科成功实现了从分子设计到产业化落地的完整技术闭环。首款自主研发的酶法天然香料产品——阿魏酸香兰素，通过AI驱动的酶催化路径，仅用1年半便成功实现了从0到百吨级稳定量产。该产品已获得欧盟天然认证与美国FEMA GRAS认证，可在全球主要市场销售，满足高端与食品产业的风味升级需求。助力天然香料市场向绿色、高附加值方向转型。

智峪生科以AI计算为核心，构建了“合成生物学+ 生物催化+绿色酶法工艺”的创新体系，成功替代传统化学法与植物提取法，突破多项生物转化关键技术，形成从原料—酶催化—分离纯化—稳定量产的全流程工业化闭环。该AI赋能的生物合成路径在国际范围内处于领先地位，开创了天然香料制造的新模式，打破了长期依赖化工路线与高成本植物提取的技术壁垒。