欧美一级视-欧美一级视频高清片-欧美一级视频免费-欧美一级视频免费观看-午夜激情视频在线播放-午夜激情视频在线观看

編者薦語：

該專刊從AI驅動底層技術、生物元器件智能設計合成、人工細胞智能設計再造和智能生物過程控制優化4個方面闡述AI驅動生物制造的機遇和挑戰、發展現狀，展望未來的發展趨勢，為更好推動生物制造領域的技術創新和產業發展提供參考。

論文概覽

標題

AI驅動生物制造專刊序言

作者

王欽宏1,2*，馬紅武1,2*，夏建業1,2*

1 中國科學院天津工業生物技術研究所 低碳合成工程生物學全國重點實驗室

2 國家合成生物技術創新中心

摘要：生物制造是可持續發展重大戰略方向，我國高度重視生物制造產業的發展，國家和地方相繼出臺生物制造專項政策，大力發展生物制造已成不可阻擋之勢。當前，隨著系統生物學、合成生物學的不斷發展，生物大數據、信息技術正快速與生物技術融合，為生物體系設計、創制及應用提供新理論、新方法、新技術，推動生物制造發展進入人工智能驅動時代。為了把握AI驅動生物制造創新發展脈絡，本刊特組織出版專刊，邀請國內多家單位的專家學者，分別從AI驅動底層技術、生物元器件智能設計合成、人工細胞智能設計再造和智能生物過程控制優化4個方面闡述AI驅動生物制造的機遇和挑戰、發展現狀，展望未來的發展趨勢，為更好推動生物制造領域的技術創新和產業發展提供參考。

生物制造是以微生物、植物、動物細胞等生物體或其組成成分為工具，通過工業生物技術規模化生產醫藥、食品、材料、能源等產品的戰略性新興產業[1-3]。麥肯錫研究表明，60%人類需求的物質產品可以通過生物制造[4]；世界經合組織報告預測，至2030年，生物制造的經濟和環境效益將超過生物農業和生物醫藥，在生物經濟中的貢獻率達到39%[5]。生物制造正推動全球制造業向綠色低碳轉型，為應對氣候變化和能源安全、提高產業鏈供應鏈韌性、創新糧食和農業生產、促進人民生命健康、保護綠色生態環境等提供重要解決方案。生物制造有望改變世界工業格局，開創一個財富綠色增長新紀元，是實現工業可持續發展最有希望的領域之一，是全球發達國家實現再工業化戰略和搶占未來產業競爭制高點的關鍵。

生物制造已成為全球科技競爭的關鍵賽道，是經濟社會可持續發展的重要路徑，我國高度重視生物制造發展，將其視為推動經濟高質量發展和提升國際競爭力的關鍵領域[6-7]。通過頒布《國家創新驅動發展戰略綱要》《國家生物技術發展戰略綱要》和《“十四五”生物經濟發展規劃》等多項政策和規劃，明確了生物制造的戰略地位，加大了對生物制造研發的投入，鼓勵企業、高校和科研機構合作，推動關鍵技術的突破，旨在推動其在醫藥、農業、能源、工業等領域的應用。2022年、2023年兩次中央經濟工作會議以及2023年全國兩會政府工作報告連續強調要發展生物制造，生物制造創新發展關乎我國在國際產業經濟中的位勢。

科技創新是生物制造發展的基石，可以有效增加技術供給，推動產業的快速進步和廣泛應用。當前，隨著系統生物學、合成生物學的不斷發展，生物大數據的積累和大數據技術的不斷進步，高性能智能計算設計等信息技術正快速與生物技術融合，為生物體系設計、創制及應用提供新理論、新方法、新技術，推動生物制造發展進入人工智能(artificial intelligence, AI)驅動時代，生物制造的研發與產業發展的智能化、自動化程度快速提升[8-11]。利用AI技術，DNA合成、蛋白質設計、基因編輯、數字細胞等底層技術快速突破和演進，不斷拓展對生物體進化演化、功能調控的認知；AI通過機器學習和數據分析，可以對生物體進行可預測的編程，生物系統的元件、線路、途徑、網絡的可預測、可調控、可再造正逐漸成為現實；AI通過快速篩選分析大量生物體樣本和生物數據，優化實驗設計，大大縮短研發周期；AI驅動的自動化實驗平臺可以執行高通量實驗，減少人為誤差，提高實驗的重復性和可靠性；AI能夠處理和分析海量生物數據，給出更合理的策略，優化生物工藝流程，實現生物工程的智能監測和智能控制，大幅度提升生物制造的生產效率和產品質量，推進生物制造將朝著更高效、更綠色、更精準的方向發展，為人類社會帶來更多福祉。

為了準確把握AI驅動生物制造創新發展脈絡，本期專刊以“AI驅動生物制造”為主題，邀請了國內多家單位的專家學者，分別從AI驅動底層技術、生物元器件智能設計合成、人工細胞智能設計再造和智能生物過程控制優化4個方面闡述AI驅動生物制造的機遇和挑戰、發展現狀，展望未來的發展趨勢，推動相關研究領域發展和成熟，以更好地推動生物制造領域的技術創新和產業發展。

1  AI驅動底層技術

底層技術是支撐生物制造研發和應用的核心技術體系，涵蓋了從基因操作到生物系統設計的多個層面，AI的快速發展提供了強大的工具和方法，正在深刻改變生物制造相關的底層技術，推動了從數據庫、知識庫、大模型、計算模擬、蛋白從頭設計、基因精準編輯等方面的全面創新發展，顯著提升了生物制造領域的研發效率和應用潛力。數據庫、知識庫與大模型是支撐生物制造研發和應用的重要基礎設施，中國科學院天津工業生物技術研究所馬紅武團隊全面梳理了面向生物制造的數據庫、知識庫與大語言模型的最新研究進展、發展方向、難點以及新興技術，探討了如何整合現有數據庫，構建知識庫，特別是通過大模型實現生物制造相關知識的獲取和生成，特別指出通過持續的技術創新和跨學科合作，利用高質量的數據庫、知識庫和大模型技術，可以實現知識驅動的更智能化、自動化的生物制造過程[12]。計算模擬驅動的生物元件、代謝網絡乃至細胞系統的機理解析、定向改造和按需設計，可為解決不同層次的生物學問題提供新的技術方案，中國科學院天津工業生物技術研究所盛翔團隊結合近年來高性能AI模型的快速發展，在介紹基于物理原理的傳統蛋白計算模擬方法及其應用基礎上，系統梳理了融合AI和物理原理的最新計算模擬技術，進而提出在AI模型中結合嚴謹的化學知識和既定的物理原理，可有效提升數據處理和模式識別能力，從而提高計算效率和預測準確性[13]。蛋白質突變效應預測旨在評估蛋白質序列中單個或多個氨基酸突變對其結構、功能和穩定性的影響，是進行蛋白質精準設計的前提，上海交通大學洪亮團隊綜述了蛋白質語言模型在蛋白質突變效應預測中的應用，重點討論了基于序列的模型、基于結構的模型以及結合序列和結構信息的模型3類模型的原理、優勢和局限性，并探討了無監督學習和監督學習在模型訓練中的應用以及當前相關研究面臨的高質量數據集的獲取、數據噪聲的處理等主要挑戰，還展望了多模態融合、少樣本學習等新興技術的應用前景，為相關研究者提供一個全面的視角來審視蛋白質突變效應預測領域狀況[14]。基因編輯，尤其是CRISPR-Cas基因編輯可以對生物體的基因組進行精準修改以實現基因功能的調控、修復或改造，AI的發展進一步提升了基因編輯的能力和效率，中國科學院天津工業生物技術研究所王猛團隊綜述了AI技術在CRISPR-Cas系統設計、挖掘與改造中的應用進展，AI技術可以更好地助力分析高通量測序數據，優化sgRNA設計，提升編輯效率，預測脫靶效應，提高了基因編輯的效率和精確性，同時借助自動化設施，基因編輯的全流程將實現高通量并行操作，為實現智能化、精準化的高通量基因組編輯奠定了基礎[15]。

[12]毛志濤, 廖小平, 馬紅武. 面向生物制造的數據庫、知識庫與大模型[J]. 生物工程學報, 2025, 41(3): 901-916.

[13]劉保艷, 李帥, 蘇浩, 盛翔. 人工智能與物理原理融合驅動的蛋白計算模擬技術[J]. 生物工程學報, 2025, 41(3): 917-933.

[14]張良, 談攀, 洪亮. 基于蛋白質語言模型的突變效應預測研究進展[J]. 生物工程學報, 2025, 41(3): 934-948.

[15]毛雨豐, 儲光蕓, 梁慶玲, 劉葉, 楊毅, 廖小平, 王猛. 基于人工智能的CRISPR-Cas系統的設計、挖掘與改造[J]. 生物工程學報, 2025, 41(3): 949-967.

2  生物元器件智能設計合成

生物元器件包括核酸元件、酶蛋白元件、轉運與調控蛋白元件以及處理邏輯運算、信號感知與代謝調控等功能的基因線路，是生物體的基本功能單元，類似于電子工程中的標準化元件，可以被組裝成更復雜的、具有特定功能的生物系統，從而提升生物制造的能力和效率。結合AI技術，通過智能設計合成，能夠顯著提高生物元器件的設計效率和功能性，不斷提升生物制造應用能力。核酸元件是在各種生物過程中發揮重要作用的功能性核酸(DNA或RNA)序列，是生物體生命活動的基礎，也是生物制造高效生產的關鍵。中國科學院天津工業生物技術研究所孫喆、張學禮團隊系統總結了應用于生物制造的各種DNA和RNA核酸元件，分析了基于人工智能算法構建的核酸元件預測和設計工具及人工智能技術在生物制造中的應用案例，探討了由于生物系統的復雜性和高質量訓練數據不足等問題造成的核酸元件智能設計在生物制造中的應用較為單一等現象，指出進一步整合人工智能技術、合成生物學和高通量技術等，有望開發更高效準確的核酸元件設計方法，加速其在生物制造中的應用[16]。酶作為生物催化劑，在生物制造中發揮著關鍵作用；針對天然酶蛋白難以滿足工業生產的需求，挖掘和設計改造酶蛋白以適應特定的生物制造過程至關重要；中國科學院天津工業生物技術研究所廖小平團隊系統總結了近年來AI技術在酶蛋白挖掘、評估、改造和從頭設計方面的相關進展，指出AI技術可通過機器學習和深度學習算法，分析大量生物信息學數據，預測蛋白的功能和特性，從而加速蛋白的發現和優化過程；AI還可以通過模擬和預測酶蛋白在不同條件下的性能，為酶蛋白的精準設計提供指導[17]。轉錄調控蛋白是一類能夠與DNA結合并調控基因轉錄的蛋白質，其在基因表達調控中起著核心作用，近年來利用轉錄調控蛋白構建生物傳感器，在生物制造的工程菌株構建優化、動態調控、高通量篩選等方面實現了廣泛應用。中國科學院微生物研究所唐雙焱團隊梳理了近年來在計算機模擬和人工智能技術輔助下，采用蛋白質工程手段，智能設計、改造轉錄調控蛋白以提升其性能的相關研究進展，指出計算機模擬和人工智能輔助技術可實現對轉錄調控蛋白更精準快捷地設計構建，正在快速推動新型生物傳感器的創制研發，滿足實際應用的需求[18]。基因線路由一系列核酸元件、蛋白元件、調控元件等生物元件組成，能夠執行特定的邏輯功能或調控基因表達來實現特定的生物行為，在生物制造中發揮必不可少的作用。浙江大學王寶俊團隊概述了基因線路設計中常用的機器學習算法，分析了機器學習如何在合成啟動子、RNA調控元件、轉錄因子等生物元件及簡單基因線路的智能設計中突破傳統方法的局限，探討了智能化設計當前面臨的主要挑戰及其潛在解決方案，并展望了機器學習與生物系統設計未來的融合趨勢，強調了跨學科合作在這一進程中的重要性[19]。

[16]王金盛, 孫喆, 張學禮. 生物制造中核酸元件的智能設計[J]. 生物工程學報, 2025, 41(3): 968-992.

[17]劉翠, 史振坤, 馬紅武, 廖小平. 蛋白元件的智能挖掘、改造和從頭設計[J]. 生物工程學報, 2025, 41(3): 993-1010.

[18]梁朝寧, 向臘, 唐雙焱. 基于轉錄調控蛋白的生物傳感器的智能設計構建[J]. 生物工程學報, 2025, 41(3): 1011-1022.

[19]毛瑞超, 王寶俊. 合成生物元件與線路的智能設計[J]. 生物工程學報, 2025, 41(3): 1023-1051.

3  人工細胞智能設計再造

人工細胞(或工程細胞)是指通過合成生物學等手段構建的具有生命基本特征和特定功能的細胞或類細胞系統，可以基于天然細胞，通過基因編輯、代謝工程等手段改造獲得，也可以利用脂質、核酸、蛋白質等非生命物質從頭合成構建。結合AI技術，智能設計再造正在顯著提升人工細胞的構建效率和功能性，從而在生物制造中發揮更大作用。高效設計、構建人工細胞需要精準、全面的數字細胞模型，而近年來多學科的發展和融合可以更精確地測量細胞組分動態變化，快速獲取海量生物數據，使得細胞過程數理模型的精確構建日益可行。中國科學院天津工業生物技術研究所朱巖團隊整理歸納了細胞生命過程數學建模的技術體系，詳細闡述了單一細胞生命過程的數學模型，進一步總結了多過程模型以及全細胞模型的相關方法，系統評述了相關數學模型在解析細胞運作規律、工程細胞設計中的具體應用，并進一步指出了數學建模的當前挑戰，探討了可能的解決方案，旨在推動該領域的研究進展和技術革新，加速人工細胞創制迭代，實現高效可持續的綠色生物制造[20]。蛋白質表達是一個涵蓋轉錄、翻譯、折疊、轉運與翻譯后修飾等精密調控的復雜過程，是實現生物制造的關鍵環節，結合蛋白表達數據構建其模型對理解蛋白表達的各種細胞因素和調控機制具有重要意義。中國科學院天津工業生物技術研究所馬紅武團隊評述了近年來蛋白表達過程機理模型構建和通過人工智能方法分析各種因素對蛋白表達的影響方面的進展，明確數據驅動的人工智能模型主要研究目標蛋白的氨基酸序列和相應基因及調控區核苷酸序列對蛋白表達的影響，而機理模型則側重表達底盤細胞中關鍵組分如氨酰tRNA合酶等對蛋白表達的影響；提出將機理模型和人工智能模型相結合，綜合考慮胞內因素和表達序列特征的影響，有望進一步加深對蛋白表達系統的理解，為提升生物制造效率提供理論指導和技術支持[21]。能量代謝既可以通過改變物質代謝流分配提升生產效率，也可以通過改變酶催化反應的熱力學參數，影響反應平衡減少能量消耗，從而降低生物制造的效率和生產成本。中國科學院深圳先進技術研究院于濤團隊梳理了底物水平磷酸化和氧化磷酸化這2類能量代謝調控對物質代謝以及生物制造的影響，探討了如何通過合成生物學，尤其是通過AI輔助的計算設計優化能量代謝，改善人工細胞性能，增加生物制造目標產品產量和轉化率[22]。細胞中由自發或由酶催化的代謝反應組成了高度復雜的代謝網絡與細胞生理代謝活動運作密切相關，因此，細胞生理代謝網絡模型的重構有助于從系統層面上解析基因型與生長表型之間的關聯，為細胞生理代謝活動精準刻畫與生物綠色制造等研究提供重要的計算生物學工具。上海交通大學魯洪中團隊系統介紹全基因組規模代謝網絡模型、動力學模型、酶約束代謝模型等不同類型細胞生理代謝網絡模型發展與應用的最新研究進展，指出最近的人工智能技術為高精度細胞生理代謝網絡模型構建提供了全新機遇，并總結了其在動力學模型和酶約束模型構建等領域的具體應用案例，相關研究為高性能人工細胞的創制提供了強大計算支撐[23]。

[20]朱巖, 孫際賓. 細胞生命過程數學刻畫建模[J]. 生物工程學報, 2025, 41(3): 1052-1078.

[21]楊毅, 杜軍, 楊春賀, 馬紅武. 蛋白表達系統的機理模型和人工智能模型研究進展[J]. 生物工程學報, 2025, 41(3): 1079-1097.

[22]楊一群, 劉清清, 田碩, 于濤. 細胞工廠能量代謝設計研究進展[J]. 生物工程學報, 2025, 41(3): 1098-1111.

[23]肖陸馳, 魯洪中. 細胞生理代謝網絡模型重構和優化的進展[J]. 生物工程學報, 2025, 41(3): 1112-1132.

4  智能生物過程控制優化

生物制造過程既包含復雜的細胞生命過程又包含復雜的環境混合、傳質過程，是細胞與外部環境動態相互作用結果的體現。智能生物過程控制優化是利用AI、大數據和自動化技術，對生物過程中的環境條件、細胞代謝特性參數等進行智能感知，在感知基礎上對生物過程進行實時監控、分析和優化，以提高生產效率、降低成本并確保產品質量。AI等跨學科的融合發展正在推動生物制造過程向智能化、精準化和高效化方向發展。感應代謝與環境變化并做出自適應調控是細胞生命活動的關鍵，揭示細胞代謝與環境適應的調控機制，不僅有助于理解生命活動的基本規律，還為優化和提升生物制造過程效率提供了新思路。江南大學劉立明團隊從細胞如何通過膜上的感受器和胞內的信號傳導通路感應代謝和環境的差異性變化，細胞自適應調控以應對不斷變化的代謝和環境差異的方式有哪些，以及如何利用已知的細胞感知和適應調控機制這3個方面對細胞代謝與環境適應調控的研究進行了總結，并從動態調控、理性代謝工程改造和適應性進化3個方面探討了基于細胞自適應調控的生物制造應用場景及未來的發展方向[24]。生物制造過程本身固有的時空異質性、復雜性以及動態性，給生物過程系統認知、優化調控帶來了重大挑戰，利用系統生物學定量檢測生物過程中細胞內外組分的動態變化，解析生物系統與環境間的動態互作原理，挖掘海量組學數據，建立機理或數據驅動的數學模型，可以實現生物過程計算模擬，從而可以預測環境條件變化、基因調控或外源干擾對細胞功能的影響，為優化生物過程與控制策略提供可能。中國科學院天津工業生物技術研究所孫際賓團隊梳理了生物過程多組學數據獲取及分析以及基于多組學數據的生物過程建模方法，探討了多組學和建模在過程參數調整、發酵控制、環境應變應答、營養優化以及實時監測與調整等關鍵環節的實際應用，多組學數據整合及模型化在提升生物過程操作精度方面的巨大潛力，討論了目前生物過程優化所面臨的挑戰及可能的解決策略，指出通過解決相關問題，可以更好地理解和控制復雜的生物過程，從而推動生物制造領域的快速發展[25]。生物發酵過程優化效率低已成為限制生物制造創新成果產業化的瓶頸，而生物發酵過程的數字化、智能化為突破這一瓶頸提供了新路徑。中國科學院天津工業生物技術研究所夏建業團隊針對發酵過程實時智能感知與優化控制的創新發展，梳理了常規檢測技術、高級檢測技術、實時智能感知技術在生物發酵優化過程中的應用，同時分析對比了傳統生物過程優化控制技術、多參數發酵優化控制技術，以及實時智能感知支持下的過程優化控制技術的差異和優劣，并對未來智能發酵優化控制技術進行展望，指出基于數字孿生的過程優化與智能控制，將提升生物發酵過程的自主適應能力，為生物制造的智能化和可持續發展提供強大支持[26]。生物過程具有生命體系與物質轉化體系雙重屬性，其多層次多尺度間的復雜關聯導致生物過程優化十分困難，深入認識介尺度機理是了解生物過程動態變化和梳理多尺度復雜關系的關鍵之一。近年來AI優化與介尺度模擬的結合為生物過程優化注入了新的活力，中國科學院過程工程研究所楊超團隊梳理生物過程中基于群體平衡模型/格子玻爾茲曼方法的介尺度模擬仿真、機器學習方法的AI優化、AI與分子動力學模擬/計算流體動力學，提出生物過程中的介尺度模擬需要由顆粒間的作用向亞顆粒尺度(如界面問題)深入，呈現更多時空變化的細節，進而建立介尺度范圍內不同物理空間尺度和不同時間尺度問題的耦合方法，厘清生物過程的動態關聯特征，解析多尺度間的耦合機制，為優化生物過程提供參考[27]。

盡管結合AI的強大計算能力、數據挖掘能力和自動化技術，生物制造正朝著更高效、更精準、更可持續的方向發展，但是AI驅動生物制造的未來仍然充滿大量挑戰，需要進一步加強生物學、工程學和計算機科學的跨學科合作，促進AI驅動生物制造不斷創新，拓展應用，為人類面臨的能源、資源和環境問題提供全新解決方案。此外，本專刊內容上或會存在一些問題，希望各位同行和廣大讀者進一步批評指正。

[24]劉源, 胡貴鵬, 李曉敏, 劉佳, 高聰, 劉立明. 微生物細胞代謝與環境適應調控研究進展[J]. 生物工程學報, 2025, 41(3): 1133-1151.

[25]朱巖, 張志丹, 覃培斌, 申杰, 孫際賓. 數據驅動的生物制造過程多組學分析與建模[J]. 生物工程學報, 2025, 41(3): 1152-1178.

[26]夏建業, 龍東嬌, 陳敏, 陳安祥. 智能生物制造之發酵過程優化: 在線檢測、人工智能與數字孿生技術[J]. 生物工程學報, 2025, 41(3): 1179-1196.

[27]王智慧, 王聰, 張慶華, 夏建業, 叢威, 楊超. 生物過程的介尺度模擬仿真與AI優化[J]. 生物工程學報, 2025, 41(3): 1197-1218.

往期出版的專刊

2024年40卷第8期

2023年39卷第6期

2023年39卷第5期

2022年38卷第11期

2021年37卷第10期

2021年37卷第6期

2021年37卷第5期

2020年36卷第3期

關于本刊

《生物工程學報》（1985年創刊，月刊）是由中國科學院微生物研究所和中國微生物學會共同主辦，國內外公開發行的學術期刊。本刊重點報道生物工程領域的最新研究成果與進展，主要欄目有：綜述、工業生物技術、合成生物技術、環境生物技術、農業生物技術、食品生物技術、醫藥生物技術等。《生物工程學報》是北大中文核心期刊、中信所中國科技核心期刊、中國科學引文數據庫CSCD核心期刊、中國科技期刊卓越行動計劃入選期刊。本刊已被美國醫學索引MEDLINE/PubMed、荷蘭Scopus、美國化學文摘CA、美國生物學文摘BA、俄羅斯文摘AJ、日本科學技術社數據庫JST、英國國際農業與生物科學研究文摘CABI、美國劍橋科學文摘（自然科學卷）CSA(NS)、波蘭哥白尼索引IC、荷蘭醫學文摘EMBASE、中國科學引文數據庫（CSCD）、中國知網（CNKI）、萬方數據庫等國內外多個檢索數據庫收錄。《生物工程學報》曾獲得百種中國杰出學術期刊(2012年)、中國精品科技期刊(2014?2017年)、中國科學院科學出版基金科技期刊排行榜三等獎(2015?2018年)、中國國際影響力優秀學術期刊（2024年）等榮譽，并獲得中國科協精品科技期刊學術質量提升項目(2015?2017年)、中國科協中文科技期刊精品建設計劃“學術創新引領項目”(2018年)、中國科學院精品期刊試點項目（2024-2025年）、連續兩期中國科技期刊卓越行動計劃項目（2019?2023年，2024?2028年）資助。

期刊訂閱

1.直接聯系聯合編輯部訂購(訂購全年期刊可享9折優惠，當期作者購刊可享5折優惠)，發行部 E-mail：bjb@im.ac.cn ；Tel：010-64807336;

2.各地郵局訂閱：郵發代號82-13；

3.網上購買：搜淘寶店、微店店鋪名稱：中科期刊（訂閱及銷售過刊）；科學出版社期刊發行部：聯系電話010-64017032  64017539；