從「偶然發現」走向「必然創造」：AI如何重塑生物制造全鏈路？

揭秘AI4S如何攻克玻色因手性分離與核心限速酶穩定性難題，開啟生物智造的“確定性時代”。

作者丨岑峰

2026年1月9日，“第四屆合成生物學及生物制造大會”在深圳光明隆重召開。在“AI生物制造專場”上，深圳瑞德林生物技術有限公司研發BG總裁，高級科學家李加忠做了題為《人工智能在合成生物領域的融合應用創新實踐》的主旨演講。

當前，合成生物學已進入從“萬物生長”到“萬物智造”的跨越期，而 AI for Science（AI4S） 正是驅動這一變革的核心引擎。李加忠在報告中指出，合成生物學本質上是人類獲取物質方式的范式轉移，而AI的介入，正在將這種轉移從“經驗驅動”徹底重塑為“數據與邏輯驅動”。

在李加忠看來，AI4S在合成生物領域的應用絕非僅僅局限于酶工程的局部優化，而是應當滲透進從分子發現、生物代謝邏輯解析到工業化量產的全生命周期。他系統性地展示了瑞德林如何通過AI4S重塑生物制造的底層邏輯。在原料創新階段，AI通過對人體28種膠原蛋白、45條單鏈進行海量窮舉與頻次分析，在2800多組三肽序列中精準定位核心功能片段。這種基于生物物理特征的數字化建模，讓研發告別了盲目試錯，實現了從“內插模擬”到“功能外推”的質變。

以工業酶的設計為例，李加忠分享了瑞德林利用擁有1600萬條數據的工業酶數據庫，通過深度學習算法對蛋白質結構進行理性改造。在玻色因（Pro-Xylane）的構型控制和NAD+生產中限速酶的熱穩定性提升上，AI展現出了驚人的算力價值——不僅實現了手性構型的精準分離，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將生物學機理與計算科學深度耦合，突破生命系統非線性瓶頸的典型案例。

李加忠還提出了AI4S向工業后端延伸的“智能配方”與“數字工廠”概念。通過構建擁有600萬條數據的配方大模型“配方精靈”，瑞德林成功將高度依賴專家經驗的化妝品研發轉化為可計算、可預測的自動化過程。這意味著，AI4S正在打破實驗室與市場之間的壁壘，將科學發現的確定性傳遞至終端應用。

李加忠總結道，合成生物學是一個極端復雜的交叉學科，AI4S通過在算力、算法與高質量生物數據三個維度的深度布局，正在實現專業經驗的去中心化。作為一家人工智能賦能的高科技企業，瑞德林正通過這種全鏈路的AI賦能，推動生物制造從“偶然發現”跨越到“必然創造”的新紀元。

以下為李加忠在“第四屆合成生物學及生物制造大會”上的演講實錄，限于篇幅，AI科技評論進行了不修改原意的編輯：

人工智能在合成生物領域的融合應用創新實踐

演講人：深圳瑞德林生物技術有限公司研發BG總裁，高級科學家李加忠

下面我給大家講一講《人工智能在合成生物領域的融合應用創新實踐》。人工智能的價值實際上已滲透進合成生物學的每一個神經末端，通過結合瑞德林的產業實踐，我將系統性地闡述人工智能在不同場景下的應用邏輯。

回顧人類獲取物質模式的歷史演進，我們經歷了從最初的天然產物提取，到石油化學產業支撐的化學合成，再到發酵技術催生的生物合成。在這一范式變遷中，合成生物學作為一種工程化手段，其核心在于對生物過程的重構與優化。值得注意的是，生物合成與合成生物學雖有交集，但其內涵并不等同。在這一鏈條中，酶無疑是最為核心的元件。合成生物學在技術上主要圍繞酶的篩選、改造以及近年來獲得諾貝爾獎肯定的“酶從頭設計”展開研究，這些工作構成了學科的基石。然而，瑞德林的實踐證明，人工智能的賦能遠不止于此。

在瑞德林的整體布局中，我們構建了多維度的技術矩陣。首先是處于研發前端的“原料創新平臺”。在這一階段，我們的核心任務是確定“合成什么”，即尋找具有市場潛力的目標產品。這一過程可以借助計算機輔助藥物設計（CADD）的思路和邏輯，人工智能被廣泛應用于靶點識別、分子篩選、功效預測等關鍵環節。緊隨其后的是生物合成研究”，致力于解決“如何合成”的問題。通過對代謝流的模擬、酶底盤細胞的工程化設計、骨架調控，乃至虛擬細胞與自動化實驗的協同，我們力求在實驗室階段找到生物合成過程的最優路徑。

當研究從實驗室走向生產端，便涉及到了“生物制造”的規模化應用。目前合成生物學的生產模式主要分為酶催化和全細胞合成兩種，這在產業界通常表現為大規模的發酵和催化工藝。在這一智能制造領域，人工智能的應用場景同樣豐富。例如，通過AI驅動的自動化排產系統與自動化生產控制流程，我們能夠顯著提升工廠的運行效率。

不僅如此，當產品完成制造后，如何進入不同的應用領域、如何適配全球各地的準入法規與合規注冊、以及針對化妝品等終端市場的配方研發與制劑優化，這些“應用解決方案”同樣需要人工智能的深度參與。

為了實現上述全鏈條的AI驅動，瑞德林早在2020年便前瞻性地組建了數字化團隊，并在算法、算力、數據三個維度展開深度布局。2021年，首個自主算法模型正式上線，同年第一個數字化研發系統投入使用。2022年，瑞德林在英國設立子公司，專注于人工智能算法的前沿研究。進入2023年，人工智能酶篩選輔助系統成功上線，實現了對酶的溶解性、活性、穩定性等核心指標的精準預測，多項大模型技術也隨之落地。2024年，我們將AI的應用邊界進一步拓展至制造基地的高效運營。

2025年是我們數字化轉型的重要年份。我們不僅推出了行業領先的“數字產品經理”和“配方精靈”，更榮獲了具有極高管理水平代表性的“拉姆·查蘭人工智能應用實踐獎”。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，這不僅是技術的落地，更是企業管理邏輯的重塑。這種全鏈條、平臺型的布局，要求我們必須跨越人工智能、計算機輔助設計、酶工程、下游工藝、發酵控制等多個復雜的前沿交叉學科。

在數據資產方面，我們建立了極具競爭力的生物信息資源庫，擁有超過56億條蛋白序列信息。最為核心的是我們針對工業應用建立的酶數據庫，其規模已達1600萬條，這在工業酶領域處于全球領先水平。通過這些深厚的積累，我們將人工智能的應用歸納為六大典型場景：

首先是智能挖掘新原料；其次是工業酶的高效設計與改造；第三是深挖功效機理與機制解釋；第四是人體功效評價的智能化輔助；第五是針對不同應用領域的產品服務優化；第六則是企業的經營智能化。瑞德林在這些場景中均積累了豐富的實戰案例，我們希望通過這些創新實踐，與行業共同探討人工智能如何更深度地重構合成生物學的產業格局。

在人工智能驅動原料創新研究的維度上，瑞德林的探索不僅停留在理論層面，更沉淀為多個極具產業價值的實戰案例。這一過程展現了兩種截然不同但互為補充的研發路徑。

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域的明星分子，其三螺旋結構早已被學界熟知，但在產業化應用中，如何找到功效最強、最易吸收的微小片段始終是核心挑戰。

基于膠原蛋白基本的G-X-Y氨基酸重復序列，我們對人體內已知的28種膠原蛋白進行了深度解構。這28種膠原蛋白共涉及45條獨特的氨基酸單鏈，我們利用人工智能對這些長鏈進行了詳盡的窮舉與重組。通過對每一個可能的三肽組合進行滑窗式截取，我們構建了一個包含2,826組三肽序列的龐大候選庫。

隨后，研發團隊引入了頻次分析算法，基于“高頻出現往往預示著核心功能活性”的邏輯，對這些組合進行了統計排序。

在鎖定了GPHyp、GPA、PAG等一系列高頻出現的G-序列多肽后，我們將其從數字模型轉化為真實實體，進行了系統性的功效驗證。這些經過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，更在促進人體I型、III型、IV型及VII型膠原蛋白合成方面展現出卓越的生物活性，同時對基質金屬蛋白酶（MMP）表現出高效抑制作用。這種多效合一的特性，使其不僅成為化妝品領域的高端活性原料，更在口服美容與大健康市場展現出巨大的潛力。

如果說膠原三肽的成功源于對天然結構的“拆解與優選”，那么我們的第二個案例——控油多肽的發現，則代表了人工智能在“老原料新用”與“靶點驅動篩選”上的范式跨越。在皮膚控油研究領域，傳統的篩選往往盲目且低效。通過對皮脂腺代謝機理的深入研究，我們識別出了四類核心靶點，涵蓋了生長因子、性激素、神經內分泌等多個維度。在這些靶點中，黑素皮質素受體5（MC5R）因其在皮脂腺細胞表面的高度特異性表達，被我們鎖定為最優靶標。

基于MC5R這一特異性靶點，瑞德林開啟了一場計算機虛擬篩選。我們將國際與國內化妝品原料目錄中的已知分子、公司自有的多肽產品庫以及自然界中可提取的天然多肽等多種數據進行了整合，形成了超過7萬個小分子的篩選矩陣。依托強大的算力平臺，我們進行了超過2,000萬次的分子對接模擬，并通過高精度的算法對每一個分子的結合能進行動態打分。

在這一過程中，AI展現出了驚人的洞察力：在一個被傳統行業長期定義為“去黑眼圈、去眼袋”的成熟功效成分中，模型捕捉到了其對MC5R靶點極強的結合潛力。隨后的人體功效實驗證實，該原料在控油維度的表現遠超預期，這種“老藥新用”式的發現，最終催生了我們名為“ReClear T5”的創新產品，并榮獲了2025年“中國好原料”大獎。

在原料分子設計的成功基礎之上，如何優化生產過程中的催化核心——工業酶，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100種先進算法，支撐工業酶的精準篩選與理性改造。以高價值化合物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、熱穩定性差等痛點，嚴重制約了大生產的經濟性。

針對這些工程難題，我們通過AI驅動的蛋白質結構優化，對酶的穩定性與催化活性進行了系統重塑。工業酶也必須在復雜的反應環境中保持構象的完整性。通過多輪數字化迭代與實驗反饋，我們實現了里程碑式的突破：該酶的溶解性提升了90%，催化活性增強了85%，更為關鍵的是，其熱穩定性得到了本質提升，在50攝氏度的高溫下依然能保持極高的催化效能。

這一技術進步直接賦能了我們第三代玻色因（S-玻色因）的產線升級。作為日化行業的頂尖原料，玻色因的每一次迭代都代表著合成生物學與生物制造的最高水平，而AI的介入，無疑將這種生產力的進化推向了新的巔峰。通過這種從分子發現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。

同樣的邏輯也應用在抗衰領域核心物質NAD+的生產中。大家熟知的NMN在體內僅需一步即可轉化為NAD+，但在工業化生產NAD+的過程中，如何突破關鍵限速酶的熱穩定性瓶頸是行業公認的難題。通過對該限速酶的深度研究與理性改造，我們使其在38攝氏度的生產環境下，催化效率驚人地提升了134倍。這種對底層生物催化元件的極致優化，為NAD+的大規模、高效工業化生產提供了堅實的保障。

當產品從實驗室走向市場，如何科學地驗證并表征功效，是人工智能賦能的第四個核心場景。在人體功效研究中，我們引入了先進的圖像處理算法，旨在解決功效評估的數字化與可視化難題。無論是肌肽的提亮效果，控油產品的實際表現，緊致功效的表征等方面，AI都能提供比肉眼觀察更直觀、更精確的數據支持。例如在抗衰與緊致功效的評估上，算法可以對臉部輪廓進行精確建模與對比，甚至通過綜合指標計算出受試者的“表觀年齡”。這種基于數字化表征的反饋，不僅讓科學研究更接近市場需求，也為消費者提供了可量化的價值參考。

除了研發與評估，人工智能正深入滲透進瑞德林的精準服務體系中，尤其是針對化妝品配方這一極具經驗壁壘的領域。長期以來，全球化妝品行業對配方的研發高度依賴配方師的個人經驗。然而，面對國際化妝品目錄中超過3萬種、國內目錄中近9000種的龐大原料庫，人類大腦很難實現原料間的最優配比與科學組合，且各國法規的差異進一步增加了研發難度。

針對這一痛點，瑞德林構建了擁有超過600萬條配方數據的海量數據庫，并據此開發了“智能配方師”——配方精靈。這并非簡單的計算工具，而是一個深度學習了行業 Know-how 的專家系統。它可以根據用戶的特定需求自動生成配方建議，也能對現有配方進行邏輯優化，甚至能實現對大牌配方的精準解析與模仿。配方精靈的出現，標志著化妝品研發從“經驗驅動”向“智能驅動”的范式轉變。

此外，我們在企業內部也普及了智能化辦公助手，每位員工都擁有專屬的個人助理大模型。通過上傳個人工作相關的文獻資料，AI可以根據特定的崗位背景提供精準的問題反饋，極大地提升了組織運行效率。

這種全方位的AI賦能，最終沉淀為瑞德林豐富的產品矩陣和行業地位以及高科技屬性。我們利用合成生物學技術量產了涵蓋氨基酸類、肽類、糖類、脂類及核苷酸類在內的全套生物活性物質。這些產品廣泛應用于大健康、精準農業、中醫藥、寵物動保及新材料等多個領域。特別是在生命科學前沿領域，我們生產的司美格魯肽、替爾泊肽等長效多肽原料，在技術水平上已處于全球領先地位。而在營養健康線，我們的產品如麥角硫因、NAD+等四五十種原料已經實現了廣泛的市場覆蓋。瑞德林的愿景是構建一個多維協同的生物制造生態。在動物營養與農業種植領域，我們同樣布局了高效的活性原料。

為了推動行業的整體學術進步，我們近期在SCI雜志International Journal of Molecular Sciences上主持了一個學術專刊，涵蓋了多肽在化妝品、營養保健、醫藥及動物營養等多個方向的最新科研進展。我們非常歡迎來自企業界與科研機構的同仁積極投稿，分享多肽研究的最新成果。瑞德林愿與全球合作伙伴一起，通過人工智能與合成生物學的深度融合，不斷拓寬生物制造的價值邊界。

雜志：International Journal of Molecular Sciences

專刊：Peptides in Healthcare and Beyond: Emerging Roles in Skincare, Nutrition, Medicine, and Animal Health

網址：https://www.mdpi.com/journal/ijms/special_issues/957W5G211B

再次感謝大家，歡迎會后通過微信等方式開展深度交流。

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。