以智能技术和生物制造深度融合为主线,围绕生物制造产业链创新研发、中试放大、生产制造等重点环节,聚焦高性能蛋白质元件设计及构建等8大场景,开展典型应用案例征集工作。
(一)高性能蛋白质元件的设计及构建
利用机器学习、大语言模型等人工智能技术发掘、设计蛋白质序列及空间结构,实现对酶等蛋白质功能的预测和优化,提升催化活性、底物选择性、热稳定性、耐酸耐碱性、靶点亲和力、结合特异性等性状,并实现在生物化工、农业、饲料、医药、环保等领域的应用。
(二)调控机制的解析及优化
借助人工智能等技术探索工程菌株、细胞系的基因表达、酶促反应层面调控机制,发掘或从头设计新调控元件,开发预测算法与模型,实现对于调控抑制问题的解锁、关键基因及产物的动态控制、基因线路的构建等应用成果,提升产量、转化率、抗逆性等关键工业指标。
(三)代谢通路的设计及优化
通过人工智能等智能技术,发掘、设计新的代谢通路,并通过高通量构建与测试完成干—湿实验迭代,实现对代谢通路的建模,并利用数据模型引导代谢通路的优化,打通新的产物分子的合成路径,或实现已知代谢产物的产量提升、底物消耗降低等目标。
(四)细胞工厂的构建及优化
利用人工智能、知识图谱等技术,分析工业菌株、细胞系的基因型与产量、耐受性等工业指标的关联关系,利用高通量基因编辑技术完成基因组尺度的大规模编辑,改善细胞工厂在大规模生产中的适应性,提升生产效率,优化其在特定工业条件下的表现。
(五)培养基配方的设计及优化
利用基于人工智能的实验设计策略以及实时在线监测、高通量分析等技术手段,获取真实、准确的发酵过程数据,结合代谢网络分析方法,寻找培养基中底物、关键营养素、微量元素等的最优配比,不断优化微生物及细胞生长速度、产量、转化率等关键工业指标,提升工艺经济性。
(六)生物反应过程的智能控制
通过智能传感、在线分析及智能控制等智能技术的结合,实现对量产规模生物反应器及其生产过程的智能化控制,借助精准补料、变速搅拌、通气量调节等控制策略,实时监控并调整温度、pH值、溶解氧、关键底物浓度等重要的过程参数,并通过数字孪生等手段,建立反应器物理模型及黑箱数据库等,模拟和预测生物反应过程,优化控制稳定性,提升响应速度,提高生产效率,加速发酵条件优化与工艺放大的进程。
(七)生物制造产品的智能检测和质量控制
利用智能技术实现生物制造产品的检验检测和闭环质量控制,通过信号增强、模式识别、图像处理等手段,自动完成传感器、分析仪器的数据分析,快速识别生物制造中间体、终产品以及整个制造过程的缺陷和异常,在线进行标定、分拣等操作,并及时将质量信息向生产控制系统反馈,实现对生物制造关键生产过程参数的实时动态优化。
(八)其他案例
聚焦智能技术赋能生物制造产业发展的其他方面,且具备一定推广价值的典型应用案例。