助力新工藝下的生產效率提高

在化妝品行業中，利用合成生物學進行研發和創新已經成為了一種趨勢，將生物基原料和生物工藝引入到產品的研發和生產中，這不僅可以提高產品的質量和效果，還可以減少對傳統化學原料的依賴，連續性溫和生產模式降低生產成本，提高企業的競爭力。當前，利用合成生物學技術生產高品質膠原蛋白和高效透明質酸等生物活性物質已成為行業熱點。除此以外，高校、科研機構已探索研究了眾多活性物質在微生物、動植物的代謝合成通路，揭示了生命系統的運作機制，如角鯊烷、蝦青素、麥角硫因、人參皂苷、三七素等等。業內還有課題組搭建了多菌種共培養體系，開發模塊化微生物生產技術，構建了一系列可控的活性物質高產生物合成系統，相比曾報道的最大產量，水飛薊賓提高了 1.6 萬倍、水楊酸提高了 60 倍、4- 羥基香豆素提高了 11 倍等等，將生物基原料生產技術提升至新的高度。

助力企業綠色可持續發展

利用合成生物學領域的理論研究成果，在不破壞原有環境和瀕危特色動植物自然資源的前提下，利用底盤細胞進行活性物質生產，可以更加高效地利用資源，溫和的反應條件、低能耗生產線、可再生的生物基材料和生物活性物質能夠減少對環境的污染，助力企業碳達峰、碳中和，并開發出更加安全、有效的產品，滿足消費者的需求。根據 WHO 及中科院天津工業生物技術研究所統計，目前生物制造產品平均節能減排 30％ 至 50％，未來潛力將達到 50％ 至 70％。預計到2030 年，生物制造每年可減少二氧化碳排放 10 億至 25 億噸，這賦予了合成生物學更多的使命和開發意義。

助力化妝品新原料開發，減小國內外產品品質差距

國內化妝品行業長期流傳著“ 國內沒有好原料 "的說法，我國傳統的化妝品原料生產技術起步較晚，傳統植物種植提取技術還會因氣候環境等不可控因素影響，無法保障原料品質和產量。而如今，原料生產進入了第 5 代發酵技術時代，生物技術結合新型信息技術，能夠有效規避品質不穩定的風險。在細胞工廠構建時，研發人員對于目的物質的基因及其代謝通路的研究是全面的，根據需求對關鍵代謝節點相關蛋白和酶進行改造修飾，掃除合成路徑上的障礙，減小旁路抑制作用，從而影響目標產物合成效率、相關蛋白折疊效率，甚至是改造產物部分基團，通過高通量篩選具有極致功效性能的細胞以及更加安全、高效的原料。中國擁有豐富的動植物自然資源，合成生物學的發展有望彌補傳統提取技術在高效量產珍稀資源方面的不足，為開發珍稀資源新原料在化妝品中的應用提供了可能性。

人員重復操作的不穩定性對結果分析的挑戰

由于生物系統的復雜性和不確定性，因為微小的差異，如環境條件的變化、實驗材料等，即便過程中所有操作是規范的，在重復相同試驗時，也可能會得到不同的結果。其次，由于人員的操作習慣、技能水平，甚至心情等多變因素的影響，即使同樣的實驗步驟、同一人員操作也可能會有不同的結果。這種不穩定性可能導致實驗結果的差異，從而影響數據的可比性和可重復性。此外，在合成生物學中，常常需要進行復雜的操作，如基因克隆、細胞培養等，菌種的定向進化等試驗更是需要長時間、大批量的重復操作，試驗結果對工作人員的精準操作要求極高，持續操作中累積的疲憊感會大大增加操作員失誤的可能性，影響實驗的效率和結果的可重復性。

發酵優化放大技術與裝備的挑戰

利用合成生物學進行發酵生產，其發酵過程高度復雜。發酵過程涉及到底盤細胞的生長、代謝和繁殖等過程，這些過程受到多種因素的影響，如接種細胞濃度、底物濃度、溫度、pH 值、氧氣濃度等，需要考慮到生產條件對細胞的協同增效和抑制作用，對整個體系的多維精確控制和優化是一項龐大的工程，處處充滿了挑戰。研究人員通常使用小型發酵罐進行試驗，但在生產中需要使用大型發酵罐進行放大?，F有的傳感器通常只能監測有限的參數，而控制系統通常只能進行簡單的反饋控制，無法對復雜的發酵過程、龐大的發酵體系進行精確控制。由于不同設備之間的差異和靈敏性，缺乏適用于不同設備的通用技術、先進的監測和控制系統，因此需要進行大量的試驗來找到合適的放大策略。

前期成本投入巨大對企業成長的挑戰

合成生物學需要大量的研發資金投入，以支持從實驗室到商業化的過渡。在生產中能夠實實在在地促進效率和質量的提升，新理論的落地支撐著合成生物學茁壯發展，所以在技術創新、材料優化、設備更新以及產品開發等方面，都需要持續不斷的資金投入。對于初創企業來說，資金壓力巨大，往往需要依賴外部融資，這對于企業的生存和發展都是一個巨大的挑戰。由于合成生物學生產的產品的質量和產量受到多種因素的影響，如微生物的種類、生長條件、代謝途徑等，因此需要經過反復的試驗和條件優化才能實現量產，這個過程需要耗費大量的時間和資源，對于企業的研發效率和生產進度都帶來了很大的挑戰，對企業的運營成本和人力資源都提出了很高的要求。

新一代基因編輯技術

新一代基因編輯技術如 CRISPR-Cas9 系統，為合成生物學領域帶來了巨大的創新機遇。這種技術能夠精確、高效地在基因組中插入、刪除或修改 DNA 序列，從而為解決許多重要的生物學問題提供了新的思路。通過使用 CRISPR-Cas9 系統，科學家們可以精確定位并修改特定的 DNA 序列，從而實現對生物大分子的精確調控。此外，新一代基因編輯技術還可以與人工智能和大數據等先進技術相結合，以實現更高效和精準的基因編輯。例如，通過將人工智能算法與基因編輯技術相結合，科學家們可以預測特定基因編輯的效果，從而更好地控制生物大分子的修改過程。

生物信息技術

合成生物學的一個重要目標是理解和操控生命過程，這需要大量的基因組、轉錄組、蛋白質組甚至是微生物組數據作為基礎。生物信息技術在組學方面為合成生物學提供了重要支持，如基因芯片、蛋白質芯片、液相 - 質譜分析等等，通過對基因、蛋白等功能進行注釋，利用信息技術對功能進行分類匯總，利用統計學的方式，幫助科學家們更好地理解生物體的基因結構和功能，從而為合成生物學提供重要的參考信息。除此以外，科學家們可以了解蛋白質的結構、功能和相互作用，這對于合成生物學中的設計和改造生物體系至關重要。通過人工智能、機器學習和深度學習等前沿技術，預測蛋白質的結構和功能，有助于科學家研究物質的從頭合成途徑，如 AlphaFold、Chroma 等。此外，建立發酵過程孿生模型或云發酵罐，能夠減少實際繁重的操作工作，有助于科研人員能夠更加專注于研發，企業也能運用這些技術，實現全過程監控和智能決策輔助，提高研發和生產效率。

機器人及自動化技術

在合成生物學研究中，科學家們需要進行大量的試驗來篩選和優化生物樣品。機器人技術可以自動化地進行實驗操作，包括樣品的稱重、混合、分離和純化等步驟，自動化地進行細胞接種、培養、觀察和收獲，提高了細胞生長和代謝效率，大大提高了實驗效率。此外，機器人技術還可以通過精確控制實驗條件，減少人為誤差和操作失誤，提高實驗的可重復性和準確性，結合 AI 分析，機器可以自主決策，在無人監管的情況下，持續、準確、高效地培養細胞或者組織，節約人力和時間成本。

Molecular Devices 美谷分子智能化、自動化解決方案

Molecular Devices 美谷分子是一家在生命科學領域中專注于提供儀器和解決方案的專業公司。在智能化和自動化方面為行業內研究人員提供了多種創新解決方案，包括自動化樣品處理系統、智能化數據分析系統、智能化實驗室管理系統以及自動化藥物篩選系統等，幾乎涵蓋了合成生物學研發階段所有可能涉及的方面。憑借在醫藥行業多年的深厚積累，美谷分子的業務已經覆蓋了從基礎研究到藥物開發的全過程。為了解決研究人員在合成生物學研發過程中的痛點問題，美谷分子開發了一系列專業、精準且高效的設備，深受研究人員的喜愛。

其中， QPix 微生物克隆篩選系統廣泛應用于合成生物學領域，其結合了智能成像分析篩選和精準自動化挑取，可以對更大的菌株庫或基因文庫進行快速而高效的篩選，是一種優秀的高通量、自動化克隆篩選系統，同時具備挑選克隆和數據管理的能力，有效緩解流程瓶頸。而 QPix HT 系統在應用和實驗設計方面能夠提供更大程度的靈活性，與機械臂集成，實現了更大通量和無人看守時間。該系統每小時能夠篩選和挑取 3000 個微生物克隆，配合超聲波傳感器、靈活的臺面設置、可更換的微生物特異性挑針、條形碼閱讀器、針清洗和鹵素熱滅菌等模塊化部件和易于使用的分析軟件，實驗過程中能夠靈活柔和且準確地挑取多種單克隆，清晰簡潔地記錄實驗數據，做到數據全程可溯的同時，避免交叉污染。此外，用戶還能與美谷分子團隊定制 QPix 系統，以滿足自動化微生物克隆篩選和涂布的工作流程需求，真正做到“QPix 系統不僅僅是克隆挑選，還可進行板復制、重排、加樣涂布 "高效服務于研究人員的初衷。Molecular Devices 美谷分子提供的智能化和自動化解決方案廣泛覆蓋了生命科學研究的各個方面，這些解決方案不僅顯著提高了研究的效率和準確性，同時也降低了實驗成本和風險，為研究人員提供了強有力的支持。

[1] 杭州市人民政府辦公廳關于印發支持合成生物產業高質量發展若干措施的通知 [J]. 杭州市人民政府公報 , 2023,

(09): 25-26+39.

[2] 高花花 , 胡娟 and 劉玲麗 . 基因簇大片段克隆技術研究進展及挑戰 [J]. 微生物學通報 , 2023, 50(01): 351-367.

[3] 郭學平 . 合成生物學——化妝品原料的創新驅動力 [J]. 中國化妝品 , 2021, (12): 18-24.

[4] 姜杉杉 . 生物合成實驗自動化系統中機器人的運動控制研究 [D]. 2019.

[5] 蔣輝 , 萬秀坤 , 王亮亮 , et al. 人工智能推動的分子設計與化生合成 [J]. 防化研究 , 2022, 1(01): 36-44.

[6] 賴奇龍 , 姚帥 , 查毓國 , et al. 微生物組生物合成基因簇發掘方法及應用前景 [J]. 合成生物學 , 2023, 4(03): 611-627.

[7] 梁淑芳 . 基于合成生物學策略創制微生物天然產物 [J]. 四川師范大學學報 ( 自然科學版 ), 2022, 45(05): 585-

594+566.

[8] 林繼聰 , 鄒根 , 劉宏民 , et al. CRISPR/Cas 基因組編輯技術在絲狀真菌次級代謝產物合成中的應用 [J]. 合成生物學 ,

2023, 4(04): 738-755.

[9] 劉蛟 . 高效“ 環保型 "大腸桿菌異丁醇合成菌株研究 [D]. 2017.

[10] 劉可意 , 汪俊卿 , 傅凱 , et al. 智能生物反應器裝備制造進展 [J]. 食品與發酵工業 : 1-9.

[11] 劉琦 , 毛雨豐 , 廖小平 , et al. 麥角硫因生物合成研究的新進展 [J]. 生物工程學報 , 2022, 38(04): 1408-1420.

[12] 龍雨青 , 曾娟 , 王玲 , et al. CRISPR/Cas9 基因組編輯技術在藥用植物中的研究進展 [J]. 中草藥 , 2023, 54(09):

2940-2952.

[13] 馬彥云 , 趙心清 , 劉瑋 , et al. 發酵技術在護膚品行業中的應用與展望——2023 版 · 第 5 代發酵技術 [J]. 日用化學

品科學 , 2023, 46(10): 71-82.

[14] 苗麗青 , 馬旭輝 , 李素貞 , et al. 蝦青素的生物合成與產業化應用 [J]. 中國農業科技導報 , 2023, 25(03): 21-29.

[15] 史俊卿 , 金哲順 , 潘蓉 , et al. 基于轉錄和代謝分析探討人參皂苷的生物合成與意義 [J]. 分子植物育種 : 1-17.

[16] 唐士茗 , 胡紀元 , 鄭穗平 , et al. 基于無細胞體系的生物合成代謝模塊設計、構建與快速途徑原型 [J]. 合成生物學 ,

2022, 3(06): 1250-1261.

[17] 王浩綺 , 高豪 and 信豐學 . “ 十四五 "背景下合成生物學產業發展趨勢分析 [J]. 生物學雜志 , 2023, 40(03): 1-5.

[18] 夏建業 , 劉晶 and 莊英萍 . 人工智能時代發酵優化與放大技術的機遇與挑戰 [J]. 生物工程學報 , 2022, 38(11):

4180-4199.

[19] 楊朔 , 王潔 , 張夢婷 , et al. 基于人工智能的藥物 - 靶標相互作用預測 [J]. 中國現代應用藥學 , 2022, 39(21): 2797-

2803.

[20] 楊洋 , 王鳳林 , 劉德 , et al. CRISPR-Cas9 技術在植物次生代謝物生產中的研究進展 [J]. 生物技術進展 , 2022,

12(06): 806-816.

[21] Abaajeh Asomiba Rita, Kingston Caroline Elliott and Harty Mary. Environmental factors influencing the

growth and pathogenicity of microgreens bound for the market: a review [J]. Renewable Agriculture and Food

Systems, 2023, 38:

[22] Chen Zhenya, Sun Xinxiao, Li Ye, et al. Metabolic engineering of Escherichia coli for microbial

synthesis of monolignols [J]. Metabolic Engineering, 2017, 39: 102-109.

[23] Li Wenna, Ma Lin, Shen Xiaolin, et al. Targeting metabolic driving and intermediate influx in lysine

catabolism for high-level glutarate production [J]. Nature Communications, 2019, 10:

[24] Li Xianglai, Zhou Zhao, Li Wenna, et al. Design of stable and self-regulated microbial consortia for chemical

synthesis [J]. Nature Communications, 2022, 13(1):

[25] Lin Yuheng, Shen Xiaolin, Yuan Qipeng, et al. Microbial biosynthesis of the anticoagulant precursor

4-hydroxycoumarin [J]. Nature Communications, 2013, 4:

[26] Lisha K. P. and Sarkar Debasis. Dynamic flux balance analysis of batch fermentation: effect of genetic

manipulations on ethanol production [J]. Bioprocess and Biosystems Engineering, 2014, 37(4): 617-627.

[27] Parambil Lisha K. and Sarkar Debasis. In silico analysis of bioethanol overproduction by genetically

modified microorganisms in coculture fermentation [J]. Biotechnology research international, 2015, 2015:

238082-238082.

[28] Varadi Mihaly, Anyango Stephen, Deshpande Mandar, et al. AlphaFold Protein Structure Database:

massively expanding the structural coverage of protein-sequence space with high-accuracy models [J]. Nucleic

Acids Research, 2022, 50(D1): D439-D444

[29] Wang Xinxiu, Xu Wei, Dai Quanyu, et al. Characterization of a thermostable PL-31 family alginate lyase from

Paenibacillus ehimensis and its application for alginate oligosaccharides bioproduction [J]. Enzyme and

Microbial Technology, 2023, 166: