但现在，AI为我们提供了一个全新的平台，使我们能够在设计和优化蛋白质时超越自然的局限性。
Arzeda这家合成生物学初创公司的联合创始人Alexandre Zanghellini强调，人工智能为科学家提供了超越自然的蛋白序列多样化可能性，其潜在影响是深远的，人工智能为细胞编程带来了革命性的变革。
现代的人工智能技术正在推动生物学领域的创新和进步。
这种技术为生物科学家提供了一种全新的工具，使他们能够应用编程的方式改造生物细胞，这与软件工程师使用编程语言编写计算机代码的过程有许多相似之处。
利用这些尖端技术，研究者已经成功地合成了一些在自然界中尚未发现的蛋白质。
这种结合的一个关键领域是合成生物学，它在医学、制药、食品科学、农业、能源以及气候变化研究中都正在突破传统的界限。
与传统的生物技术不同，合成生物学不仅仅是对现有生物系统的修改，该领域主要研究如何对现有的蛋白质或生物材料进行重新编程或再利用，并从零开始设计和构建生物系统，以实现预定的功能或目标。
Biospring Partners是一家专注于对生命科学领域的股权投资机构，该机构的联合创始人Jennifer Lum坦言：“科学家们正在实现对一个细胞进行编码和编程，使其产生所需要的特定物质。”
这就像软件工程师从头开始编写一个全新的程序，而不是仅仅修改现有的代码。利用AI，生物学家可以模拟数百万种可能的蛋白质结构和功能，然后选择最有前景的设计进行实验验证。
图1.合成生物学的市场规模和复合年化增长率。照片来源：MarketsandMarkets1。
合成生物学允许科学家设计和制造定制的生物系统，以满足特定的需求。这种能力为各种行业提供了独特的解决方案。
同时，随着全球对可持续性和环境保护的关注增加，合成生物学为生产更加环保和可持续的产品提供了新的途径。
基于这些市场需求，合成生物学领域的发展对经济能产生深远的影响。据市场研究机构MarketsandMarkets的统计数据显示，2022年，全球合成生物学市场的收入达到了114亿美元。
预测显示，到2027年，这一数字将增长至357亿美元，对应的复合年化增长率为25.6%。由于合成生物学的巨大潜力，越来越多的风险投资和大型企业开始投资这一领域，进一步推动了市场的增长。
图2. 云计算和分布式计算的兴起
近年来，DNA测序和合成技术的进步使得合成生物学的研究和应用变得更加可行和经济。
随着云计算和分布式计算的兴起，使得科学家们获得了处理更大量数据的能力，并能够以更快的速度和更大的规模进行基因组测序，以获取各种DNA或蛋白的合成生物学元件。
得益于强大的计算能力，科学家如今能够更为精确地模拟和研究由DNA序列编码的蛋白质间的相互作用，并且能有更丰富的元件以设计更大规模的组合实验。
斯坦福大学医学院的院长及医学事务副总裁Dr. Lloyd Minor指出：“合成生物学的深层意义在于，首先深入探索生物体的各种机制，了解来源于不同底盘细胞的特定DNA序列和及其功能。
基于这些知识，科学家们将有能力对这些细胞进行表型的操控和功能的重新设计，从而实现特定的功能，如生产生物燃料或产生特定的抗病物质，并将这些功能应用于各个领域。
随着测序数据的增加，数据的分析和解读变得越来越复杂。越来越多的合成生物学公司认识到人工智能在产品开发生命周期中的价值，人工智能可以帮助科学家从大量的数据中快速找到有价值的信息，提高数据利用率。
从最初的设计阶段，借助生成式人工智能模型，研发科学家可以产生更多的变量和选择。
在构建和测试阶段，科学家可以借助AI的预测能力，来迅速确定预期的结果，以减少哪些一定不会起效的设计，实现更快的产品研发周期。
AI不仅可以在产品设计和测试阶段发挥作用，在扩大发酵生产过程中，AI可以对生产过程中进行实时监控，预测和优化，从而提高生产效率和降低成本。这一过程是确保产品得到广泛市场化应用的关键环节。
David Baker教授是来自于华盛顿大学的生物化学与计算生物学专家，管理着一个先进的人工智能指导蛋白设计实验室。
Baker实验室下设近80名博士研究生和博士后研究员，它是华盛顿大学蛋白质设计研究所的重要组成部分。
在这个实验室中，研究团队设计了多种新型蛋白质，并被用于多种应用，如药物开发和已在韩国获得批准的Covid疫苗——SKYCovione。
图3.华盛顿大学蛋白质设计研究所的David Baker教授。照片来源：华盛顿大学蛋白质设计研究所2。
Dr. Baker表示，得益于深度学习技术与验证新蛋白质功能的实验室方法的紧密结合，他所在的领域创新速度在过去两年中已经增长了10倍。
实验室的研究人员正在进行一系列项目，从癌症治疗到流感疫苗，以及用于治疗腹泻和克罗恩病的治疗方法。
这完全是科幻小说中所描述的场景，人们仍然不敢相信这是真的，但这些场景已经来到了现实。
在过去的二十年中，已有17家初创公司从Dr. Baker的实验室中创始，预计仅在今年就会从实验室中孵化出现三到四家新的公司。
图4.Arzeda公司的联合创始人兼首席执行官Alexandre Zanghellini。照片来源：Arzeda3。
Arzeda公司是合成生物学从实验室研究转向商业市场应用的典型代表，该公司迄今已筹集了5100万美元，并在每个西雅图拥有65名员工。
这家初创企业采用人工智能蛋白质设计技术，专门设计酶和蛋白质的序列。该技术综合应用了生成式AI、结合其他AI模型如判别式的AI模型，以及非AI模型的计算模型如物理建模等方法。
在实验室中，Arzeda验证了这些设计的有效性，并研发高效率的生产流程，在实验室验证完成后，与合同制造伙伴合作进行放大规模的发酵生产。
例如，Arzeda已经研发出一种酶，能够提高将甜菊提取物转化为高纯度且更昂贵的甜味剂的效率。
公司联合创始人兼首席执行官Alexandre Zanghellini指出虽然其他公司可能采用传统的方法来实现这一转化，但通过ProSweet酶可以被大幅度降低转化的成本,预计该酶将在2023年的第四季度正式上市。
除了自己研发的管线之外，Arzeda还与不同的合作伙伴共同投资研发项目，如与联合利华这样的大型企业合作，进行高效能和可持续性的洗涤酶的研发及销售。
联合利华是一个跨国快速消费品公司，旗下品牌包括：Dove（多芬）、Lipton（立顿）、Knorr（家乐）等。
图5.在巴拉圭的种植园中的甜菊幼苗。照片来源：JORGE ADORNO/路透社4
通过大型语言模型、生成式AI的创新以及更多的数据来训练这些模型，合成生物学在过去三四年中开始蓬勃发展。
这是一个巨大的变化，能够使得设计和编程合成细胞的速度五倍到十倍，这使科学家能够超越自然中突变的效率，并找到一些全新的序列。
尽管人工智能在合成生物学领域取得了很多进展，并拥有广阔的前景，但这仍然是一个新兴领域，与其他领域相比，合成生物学和生命科学在利用AI方面存在一些局限性。
一些图像识别和语言模型模型，能应用“海量的图片数据”和互联网的文本知识，这些图像和文本很容易进行数据集的收集和清洗整理。
而在生物学和生命科学领域中，现有的数据格式并不是统一的，而且很大一部分数据并不向公众开放，并且许多重要的发现还是取决于科学家们孜孜不倦的探索。
人工智能在合成生物学领域利用AI所能取得的进展，会取决数据上的障碍而影响其发展速度。但随着更多的数据和标准化实验结果被收集，AI模型可以不断地学习和改进，持续进步。
此外，合成生物学产品仍然面临着很多市场化过程中的挑战，其中一个直接挑战是，公众对于这些转基因生物及微生物的担忧。
在人工智能的帮助下，现在工程化生物体或生命系统以执行特定行为并不特别困难，但目前公众对这些转基因产物的接受度和信任度是存在挑战的。
民以食为天，尤其是在农业和食品业等领域应用这些转基因生物，需要谨慎且严格的监管。
人工智能的滥用也存在很大的问题，例如，编码产生有毒有害物质的合成细胞也是存在着可能性的，那么针对这些行为，需要如何实施监测、监管以及安全监督措施呢？
基于合成生物学的产品仍需遵循一套标准的监管流程，但由于合成生物学是一种新型产业，这些流程目前是存在一定政策上缺失的，随着合成生物技术的发展可能会促使对更加严格监管的需求。
参考资料：
1.https://www.marketsandmarkets.com/Market-Reports/synthetic-biology-market-889.html?gclid=EAIaIQobChMIi5nGnNfHgQMVWzCDAx1b8Q6aEAAYAiAAEgIVYvD_BwE
2. https://www.ipd.uw.edu/
3. https://arzeda.com/
4.https://fortune.com/2017/02/22/sugar-stevia-low-calorie-sweetener/
