揭秘AI4S如何攻克玻色因手性分離與核心限速酶穩(wěn)定性難題，開(kāi)啟生物智造的“確定性時(shí)代”。

作者丨岑峰

2026年1月9日，“第四屆合成生物學(xué)及生物制造大會(huì)”在深圳光明隆重召開(kāi)。在“AI生物制造專場(chǎng)”上，深圳瑞德林生物技術(shù)有限公司研發(fā)BG總裁，高級(jí)科學(xué)家李加忠做了題為《人工智能在合成生物領(lǐng)域的融合應(yīng)用創(chuàng)新實(shí)踐》的主旨演講。

當(dāng)前，合成生物學(xué)已進(jìn)入從“萬(wàn)物生長(zhǎng)”到“萬(wàn)物智造”的跨越期，而 AI for Science（AI4S） 正是驅(qū)動(dòng)這一變革的核心引擎。李加忠在報(bào)告中指出，合成生物學(xué)本質(zhì)上是人類獲取物質(zhì)方式的范式轉(zhuǎn)移，而AI的介入，正在將這種轉(zhuǎn)移從“經(jīng)驗(yàn)驅(qū)動(dòng)”徹底重塑為“數(shù)據(jù)與邏輯驅(qū)動(dòng)”。

在李加忠看來(lái)，AI4S在合成生物領(lǐng)域的應(yīng)用絕非僅僅局限于酶工程的局部?jī)?yōu)化，而是應(yīng)當(dāng)滲透進(jìn)從分子發(fā)現(xiàn)、生物代謝邏輯解析到工業(yè)化量產(chǎn)的全生命周期。他系統(tǒng)性地展示了瑞德林如何通過(guò)AI4S重塑生物制造的底層邏輯。在原料創(chuàng)新階段，AI通過(guò)對(duì)人體28種膠原蛋白、45條單鏈進(jìn)行海量窮舉與頻次分析，在2800多組三肽序列中精準(zhǔn)定位核心功能片段。這種基于生物物理特征的數(shù)字化建模，讓研發(fā)告別了盲目試錯(cuò)，實(shí)現(xiàn)了從“內(nèi)插模擬”到“功能外推”的質(zhì)變。

以工業(yè)酶的設(shè)計(jì)為例，李加忠分享了瑞德林利用擁有1600萬(wàn)條數(shù)據(jù)的工業(yè)酶數(shù)據(jù)庫(kù)，通過(guò)深度學(xué)習(xí)算法對(duì)蛋白質(zhì)結(jié)構(gòu)進(jìn)行理性改造。在玻色因（Pro-Xylane）的構(gòu)型控制和NAD+生產(chǎn)中限速酶的熱穩(wěn)定性提升上，AI展現(xiàn)出了驚人的算力價(jià)值——不僅實(shí)現(xiàn)了手性構(gòu)型的精準(zhǔn)分離，更將酶的催化效率提升了134倍。這不僅是算法的勝利，更是AI4S將生物學(xué)機(jī)理與計(jì)算科學(xué)深度耦合，突破生命系統(tǒng)非線性瓶頸的典型案例。

李加忠還提出了AI4S向工業(yè)后端延伸的“智能配方”與“數(shù)字工廠”概念。通過(guò)構(gòu)建擁有600萬(wàn)條數(shù)據(jù)的配方大模型“配方精靈”，瑞德林成功將高度依賴專家經(jīng)驗(yàn)的化妝品研發(fā)轉(zhuǎn)化為可計(jì)算、可預(yù)測(cè)的自動(dòng)化過(guò)程。這意味著，AI4S正在打破實(shí)驗(yàn)室與市場(chǎng)之間的壁壘，將科學(xué)發(fā)現(xiàn)的確定性傳遞至終端應(yīng)用。

李加忠總結(jié)道，合成生物學(xué)是一個(gè)極端復(fù)雜的交叉學(xué)科，AI4S通過(guò)在算力、算法與高質(zhì)量生物數(shù)據(jù)三個(gè)維度的深度布局，正在實(shí)現(xiàn)專業(yè)經(jīng)驗(yàn)的去中心化。作為一家人工智能賦能的高科技企業(yè)，瑞德林正通過(guò)這種全鏈路的AI賦能，推動(dòng)生物制造從“偶然發(fā)現(xiàn)”跨越到“必然創(chuàng)造”的新紀(jì)元。

以下為李加忠在“第四屆合成生物學(xué)及生物制造大會(huì)”上的演講實(shí)錄，限于篇幅，AI科技評(píng)論進(jìn)行了不修改原意的編輯：

人工智能在合成生物領(lǐng)域的融合應(yīng)用創(chuàng)新實(shí)踐

演講人：深圳瑞德林生物技術(shù)有限公司研發(fā)BG總裁，高級(jí)科學(xué)家李加忠

下面我給大家講一講《人工智能在合成生物領(lǐng)域的融合應(yīng)用創(chuàng)新實(shí)踐》。人工智能的價(jià)值實(shí)際上已滲透進(jìn)合成生物學(xué)的每一個(gè)神經(jīng)末端，通過(guò)結(jié)合瑞德林的產(chǎn)業(yè)實(shí)踐，我將系統(tǒng)性地闡述人工智能在不同場(chǎng)景下的應(yīng)用邏輯。

回顧人類獲取物質(zhì)模式的歷史演進(jìn)，我們經(jīng)歷了從最初的天然產(chǎn)物提取，到石油化學(xué)產(chǎn)業(yè)支撐的化學(xué)合成，再到發(fā)酵技術(shù)催生的生物合成。在這一范式變遷中，合成生物學(xué)作為一種工程化手段，其核心在于對(duì)生物過(guò)程的重構(gòu)與優(yōu)化。值得注意的是，生物合成與合成生物學(xué)雖有交集，但其內(nèi)涵并不等同。在這一鏈條中，酶無(wú)疑是最為核心的元件。合成生物學(xué)在技術(shù)上主要圍繞酶的篩選、改造以及近年來(lái)獲得諾貝爾獎(jiǎng)肯定的“酶從頭設(shè)計(jì)”展開(kāi)研究，這些工作構(gòu)成了學(xué)科的基石。然而，瑞德林的實(shí)踐證明，人工智能的賦能遠(yuǎn)不止于此。

在瑞德林的整體布局中，我們構(gòu)建了多維度的技術(shù)矩陣。首先是處于研發(fā)前端的“原料創(chuàng)新平臺(tái)”。在這一階段，我們的核心任務(wù)是確定“合成什么”，即尋找具有市場(chǎng)潛力的目標(biāo)產(chǎn)品。這一過(guò)程可以借助計(jì)算機(jī)輔助藥物設(shè)計(jì)（CADD）的思路和邏輯，人工智能被廣泛應(yīng)用于靶點(diǎn)識(shí)別、分子篩選、功效預(yù)測(cè)等關(guān)鍵環(huán)節(jié)。緊隨其后的是生物合成研究”，致力于解決“如何合成”的問(wèn)題。通過(guò)對(duì)代謝流的模擬、酶底盤(pán)細(xì)胞的工程化設(shè)計(jì)、骨架調(diào)控，乃至虛擬細(xì)胞與自動(dòng)化實(shí)驗(yàn)的協(xié)同，我們力求在實(shí)驗(yàn)室階段找到生物合成過(guò)程的最優(yōu)路徑。

當(dāng)研究從實(shí)驗(yàn)室走向生產(chǎn)端，便涉及到了“生物制造”的規(guī)?；瘧?yīng)用。目前合成生物學(xué)的生產(chǎn)模式主要分為酶催化和全細(xì)胞合成兩種，這在產(chǎn)業(yè)界通常表現(xiàn)為大規(guī)模的發(fā)酵和催化工藝。在這一智能制造領(lǐng)域，人工智能的應(yīng)用場(chǎng)景同樣豐富。例如，通過(guò)AI驅(qū)動(dòng)的自動(dòng)化排產(chǎn)系統(tǒng)與自動(dòng)化生產(chǎn)控制流程，我們能夠顯著提升工廠的運(yùn)行效率。

不僅如此，當(dāng)產(chǎn)品完成制造后，如何進(jìn)入不同的應(yīng)用領(lǐng)域、如何適配全球各地的準(zhǔn)入法規(guī)與合規(guī)注冊(cè)、以及針對(duì)化妝品等終端市場(chǎng)的配方研發(fā)與制劑優(yōu)化，這些“應(yīng)用解決方案”同樣需要人工智能的深度參與。

為了實(shí)現(xiàn)上述全鏈條的AI驅(qū)動(dòng)，瑞德林早在2020年便前瞻性地組建了數(shù)字化團(tuán)隊(duì)，并在算法、算力、數(shù)據(jù)三個(gè)維度展開(kāi)深度布局。2021年，首個(gè)自主算法模型正式上線，同年第一個(gè)數(shù)字化研發(fā)系統(tǒng)投入使用。2022年，瑞德林在英國(guó)設(shè)立子公司，專注于人工智能算法的前沿研究。進(jìn)入2023年，人工智能酶篩選輔助系統(tǒng)成功上線，實(shí)現(xiàn)了對(duì)酶的溶解性、活性、穩(wěn)定性等核心指標(biāo)的精準(zhǔn)預(yù)測(cè)，多項(xiàng)大模型技術(shù)也隨之落地。2024年，我們將AI的應(yīng)用邊界進(jìn)一步拓展至制造基地的高效運(yùn)營(yíng)。

2025年是我們數(shù)字化轉(zhuǎn)型的重要年份。我們不僅推出了行業(yè)領(lǐng)先的“數(shù)字產(chǎn)品經(jīng)理”和“配方精靈”，更榮獲了具有極高管理水平代表性的“拉姆·查蘭人工智能應(yīng)用實(shí)踐獎(jiǎng)”。目前在瑞德林，每一位員工都擁有專屬的人工智能工作助手，這不僅是技術(shù)的落地，更是企業(yè)管理邏輯的重塑。這種全鏈條、平臺(tái)型的布局，要求我們必須跨越人工智能、計(jì)算機(jī)輔助設(shè)計(jì)、酶工程、下游工藝、發(fā)酵控制等多個(gè)復(fù)雜的前沿交叉學(xué)科。

在數(shù)據(jù)資產(chǎn)方面，我們建立了極具競(jìng)爭(zhēng)力的生物信息資源庫(kù)，擁有超過(guò)56億條蛋白序列信息。最為核心的是我們針對(duì)工業(yè)應(yīng)用建立的酶數(shù)據(jù)庫(kù)，其規(guī)模已達(dá)1600萬(wàn)條，這在工業(yè)酶領(lǐng)域處于全球領(lǐng)先水平。通過(guò)這些深厚的積累，我們將人工智能的應(yīng)用歸納為六大典型場(chǎng)景：

首先是智能挖掘新原料；其次是工業(yè)酶的高效設(shè)計(jì)與改造；第三是深挖功效機(jī)理與機(jī)制解釋；第四是人體功效評(píng)價(jià)的智能化輔助；第五是針對(duì)不同應(yīng)用領(lǐng)域的產(chǎn)品服務(wù)優(yōu)化；第六則是企業(yè)的經(jīng)營(yíng)智能化。瑞德林在這些場(chǎng)景中均積累了豐富的實(shí)戰(zhàn)案例，我們希望通過(guò)這些創(chuàng)新實(shí)踐，與行業(yè)共同探討人工智能如何更深度地重構(gòu)合成生物學(xué)的產(chǎn)業(yè)格局。

在人工智能驅(qū)動(dòng)原料創(chuàng)新研究的維度上，瑞德林的探索不僅停留在理論層面，更沉淀為多個(gè)極具產(chǎn)業(yè)價(jià)值的實(shí)戰(zhàn)案例。這一過(guò)程展現(xiàn)了兩種截然不同但互為補(bǔ)充的研發(fā)路徑。

首先是以膠原三肽為代表的“核心片段挖掘”路徑。膠原蛋白作為生物制造領(lǐng)域的明星分子，其三螺旋結(jié)構(gòu)早已被學(xué)界熟知，但在產(chǎn)業(yè)化應(yīng)用中，如何找到功效最強(qiáng)、最易吸收的微小片段始終是核心挑戰(zhàn)。

基于膠原蛋白基本的G-X-Y氨基酸重復(fù)序列，我們對(duì)人體內(nèi)已知的28種膠原蛋白進(jìn)行了深度解構(gòu)。這28種膠原蛋白共涉及45條獨(dú)特的氨基酸單鏈，我們利用人工智能對(duì)這些長(zhǎng)鏈進(jìn)行了詳盡的窮舉與重組。通過(guò)對(duì)每一個(gè)可能的三肽組合進(jìn)行滑窗式截取，我們構(gòu)建了一個(gè)包含2,826組三肽序列的龐大候選庫(kù)。

隨后，研發(fā)團(tuán)隊(duì)引入了頻次分析算法，基于“高頻出現(xiàn)往往預(yù)示著核心功能活性”的邏輯，對(duì)這些組合進(jìn)行了統(tǒng)計(jì)排序。

在鎖定了GPHyp、GPA、PAG等一系列高頻出現(xiàn)的G-序列多肽后，我們將其從數(shù)字模型轉(zhuǎn)化為真實(shí)實(shí)體，進(jìn)行了系統(tǒng)性的功效驗(yàn)證。這些經(jīng)過(guò)AI精選的膠原三肽（GPHyp）不僅分子量極小，能夠顯著提升透皮吸收率，更在促進(jìn)人體I型、III型、IV型及VII型膠原蛋白合成方面展現(xiàn)出卓越的生物活性，同時(shí)對(duì)基質(zhì)金屬蛋白酶（MMP）表現(xiàn)出高效抑制作用。這種多效合一的特性，使其不僅成為化妝品領(lǐng)域的高端活性原料，更在口服美容與大健康市場(chǎng)展現(xiàn)出巨大的潛力。

如果說(shuō)膠原三肽的成功源于對(duì)天然結(jié)構(gòu)的“拆解與優(yōu)選”，那么我們的第二個(gè)案例——控油多肽的發(fā)現(xiàn)，則代表了人工智能在“老原料新用”與“靶點(diǎn)驅(qū)動(dòng)篩選”上的范式跨越。在皮膚控油研究領(lǐng)域，傳統(tǒng)的篩選往往盲目且低效。通過(guò)對(duì)皮脂腺代謝機(jī)理的深入研究，我們識(shí)別出了四類核心靶點(diǎn)，涵蓋了生長(zhǎng)因子、性激素、神經(jīng)內(nèi)分泌等多個(gè)維度。在這些靶點(diǎn)中，黑素皮質(zhì)素受體5（MC5R）因其在皮脂腺細(xì)胞表面的高度特異性表達(dá)，被我們鎖定為最優(yōu)靶標(biāo)。

基于MC5R這一特異性靶點(diǎn)，瑞德林開(kāi)啟了一場(chǎng)計(jì)算機(jī)虛擬篩選。我們將國(guó)際與國(guó)內(nèi)化妝品原料目錄中的已知分子、公司自有的多肽產(chǎn)品庫(kù)以及自然界中可提取的天然多肽等多種數(shù)據(jù)進(jìn)行了整合，形成了超過(guò)7萬(wàn)個(gè)小分子的篩選矩陣。依托強(qiáng)大的算力平臺(tái)，我們進(jìn)行了超過(guò)2,000萬(wàn)次的分子對(duì)接模擬，并通過(guò)高精度的算法對(duì)每一個(gè)分子的結(jié)合能進(jìn)行動(dòng)態(tài)打分。

在這一過(guò)程中，AI展現(xiàn)出了驚人的洞察力：在一個(gè)被傳統(tǒng)行業(yè)長(zhǎng)期定義為“去黑眼圈、去眼袋”的成熟功效成分中，模型捕捉到了其對(duì)MC5R靶點(diǎn)極強(qiáng)的結(jié)合潛力。隨后的人體功效實(shí)驗(yàn)證實(shí)，該原料在控油維度的表現(xiàn)遠(yuǎn)超預(yù)期，這種“老藥新用”式的發(fā)現(xiàn)，最終催生了我們名為“ReClear T5”的創(chuàng)新產(chǎn)品，并榮獲了2025年“中國(guó)好原料”大獎(jiǎng)。

在原料分子設(shè)計(jì)的成功基礎(chǔ)之上，如何優(yōu)化生產(chǎn)過(guò)程中的催化核心——工業(yè)酶，則是瑞德林人工智能布局的又一高地。目前，我們已整合了超過(guò)100種先進(jìn)算法，支撐工業(yè)酶的精準(zhǔn)篩選與理性改造。以高價(jià)值化合物S-玻色因的生物合成為例，該路徑涉及的原始酶普遍存在溶解度低、熱穩(wěn)定性差等痛點(diǎn)，嚴(yán)重制約了大生產(chǎn)的經(jīng)濟(jì)性。

針對(duì)這些工程難題，我們通過(guò)AI驅(qū)動(dòng)的蛋白質(zhì)結(jié)構(gòu)優(yōu)化，對(duì)酶的穩(wěn)定性與催化活性進(jìn)行了系統(tǒng)重塑。工業(yè)酶也必須在復(fù)雜的反應(yīng)環(huán)境中保持構(gòu)象的完整性。通過(guò)多輪數(shù)字化迭代與實(shí)驗(yàn)反饋，我們實(shí)現(xiàn)了里程碑式的突破：該酶的溶解性提升了90%，催化活性增強(qiáng)了85%，更為關(guān)鍵的是，其熱穩(wěn)定性得到了本質(zhì)提升，在50攝氏度的高溫下依然能保持極高的催化效能。

這一技術(shù)進(jìn)步直接賦能了我們第三代玻色因（S-玻色因）的產(chǎn)線升級(jí)。作為日化行業(yè)的頂尖原料，玻色因的每一次迭代都代表著合成生物學(xué)與生物制造的最高水平，而AI的介入，無(wú)疑將這種生產(chǎn)力的進(jìn)化推向了新的巔峰。通過(guò)這種從分子發(fā)現(xiàn)到酶促工藝的全鏈路智能化，瑞德林正在重新定義生物制造的邊界。

同樣的邏輯也應(yīng)用在抗衰領(lǐng)域核心物質(zhì)NAD+的生產(chǎn)中。大家熟知的NMN在體內(nèi)僅需一步即可轉(zhuǎn)化為NAD+，但在工業(yè)化生產(chǎn)NAD+的過(guò)程中，如何突破關(guān)鍵限速酶的熱穩(wěn)定性瓶頸是行業(yè)公認(rèn)的難題。通過(guò)對(duì)該限速酶的深度研究與理性改造，我們使其在38攝氏度的生產(chǎn)環(huán)境下，催化效率驚人地提升了134倍。這種對(duì)底層生物催化元件的極致優(yōu)化，為NAD+的大規(guī)模、高效工業(yè)化生產(chǎn)提供了堅(jiān)實(shí)的保障。

當(dāng)產(chǎn)品從實(shí)驗(yàn)室走向市場(chǎng)，如何科學(xué)地驗(yàn)證并表征功效，是人工智能賦能的第四個(gè)核心場(chǎng)景。在人體功效研究中，我們引入了先進(jìn)的圖像處理算法，旨在解決功效評(píng)估的數(shù)字化與可視化難題。無(wú)論是肌肽的提亮效果，控油產(chǎn)品的實(shí)際表現(xiàn)，緊致功效的表征等方面，AI都能提供比肉眼觀察更直觀、更精確的數(shù)據(jù)支持。例如在抗衰與緊致功效的評(píng)估上，算法可以對(duì)臉部輪廓進(jìn)行精確建模與對(duì)比，甚至通過(guò)綜合指標(biāo)計(jì)算出受試者的“表觀年齡”。這種基于數(shù)字化表征的反饋，不僅讓科學(xué)研究更接近市場(chǎng)需求，也為消費(fèi)者提供了可量化的價(jià)值參考。

除了研發(fā)與評(píng)估，人工智能正深入滲透進(jìn)瑞德林的精準(zhǔn)服務(wù)體系中，尤其是針對(duì)化妝品配方這一極具經(jīng)驗(yàn)壁壘的領(lǐng)域。長(zhǎng)期以來(lái)，全球化妝品行業(yè)對(duì)配方的研發(fā)高度依賴配方師的個(gè)人經(jīng)驗(yàn)。然而，面對(duì)國(guó)際化妝品目錄中超過(guò)3萬(wàn)種、國(guó)內(nèi)目錄中近9000種的龐大原料庫(kù)，人類大腦很難實(shí)現(xiàn)原料間的最優(yōu)配比與科學(xué)組合，且各國(guó)法規(guī)的差異進(jìn)一步增加了研發(fā)難度。

針對(duì)這一痛點(diǎn)，瑞德林構(gòu)建了擁有超過(guò)600萬(wàn)條配方數(shù)據(jù)的海量數(shù)據(jù)庫(kù)，并據(jù)此開(kāi)發(fā)了“智能配方師”——配方精靈。這并非簡(jiǎn)單的計(jì)算工具，而是一個(gè)深度學(xué)習(xí)了行業(yè) Know-how 的專家系統(tǒng)。它可以根據(jù)用戶的特定需求自動(dòng)生成配方建議，也能對(duì)現(xiàn)有配方進(jìn)行邏輯優(yōu)化，甚至能實(shí)現(xiàn)對(duì)大牌配方的精準(zhǔn)解析與模仿。配方精靈的出現(xiàn)，標(biāo)志著化妝品研發(fā)從“經(jīng)驗(yàn)驅(qū)動(dòng)”向“智能驅(qū)動(dòng)”的范式轉(zhuǎn)變。

此外，我們?cè)谄髽I(yè)內(nèi)部也普及了智能化辦公助手，每位員工都擁有專屬的個(gè)人助理大模型。通過(guò)上傳個(gè)人工作相關(guān)的文獻(xiàn)資料，AI可以根據(jù)特定的崗位背景提供精準(zhǔn)的問(wèn)題反饋，極大地提升了組織運(yùn)行效率。

這種全方位的AI賦能，最終沉淀為瑞德林豐富的產(chǎn)品矩陣和行業(yè)地位以及高科技屬性。我們利用合成生物學(xué)技術(shù)量產(chǎn)了涵蓋氨基酸類、肽類、糖類、脂類及核苷酸類在內(nèi)的全套生物活性物質(zhì)。這些產(chǎn)品廣泛應(yīng)用于大健康、精準(zhǔn)農(nóng)業(yè)、中醫(yī)藥、寵物動(dòng)保及新材料等多個(gè)領(lǐng)域。特別是在生命科學(xué)前沿領(lǐng)域，我們生產(chǎn)的司美格魯肽、替爾泊肽等長(zhǎng)效多肽原料，在技術(shù)水平上已處于全球領(lǐng)先地位。而在營(yíng)養(yǎng)健康線，我們的產(chǎn)品如麥角硫因、NAD+等四五十種原料已經(jīng)實(shí)現(xiàn)了廣泛的市場(chǎng)覆蓋。瑞德林的愿景是構(gòu)建一個(gè)多維協(xié)同的生物制造生態(tài)。在動(dòng)物營(yíng)養(yǎng)與農(nóng)業(yè)種植領(lǐng)域，我們同樣布局了高效的活性原料。

為了推動(dòng)行業(yè)的整體學(xué)術(shù)進(jìn)步，我們近期在SCI雜志International Journal of Molecular Sciences上主持了一個(gè)學(xué)術(shù)專刊，涵蓋了多肽在化妝品、營(yíng)養(yǎng)保健、醫(yī)藥及動(dòng)物營(yíng)養(yǎng)等多個(gè)方向的最新科研進(jìn)展。我們非常歡迎來(lái)自企業(yè)界與科研機(jī)構(gòu)的同仁積極投稿，分享多肽研究的最新成果。瑞德林愿與全球合作伙伴一起，通過(guò)人工智能與合成生物學(xué)的深度融合，不斷拓寬生物制造的價(jià)值邊界。

雜志：International Journal of Molecular Sciences

?？篜eptides in Healthcare and Beyond: Emerging Roles in Skincare, Nutrition, Medicine, and Animal Health

網(wǎng)址：https://www.mdpi.com/journal/ijms/special_issues/957W5G211B

再次感謝大家，歡迎會(huì)后通過(guò)微信等方式開(kāi)展深度交流。

未經(jīng)「AI科技評(píng)論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁(yè)、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號(hào)轉(zhuǎn)載請(qǐng)先在「AI科技評(píng)論」后臺(tái)留言取得授權(quán)，轉(zhuǎn)載時(shí)需標(biāo)注來(lái)源并插入本公眾號(hào)名片。