方正證券：AI助力合成生物學與農藥創新藥加速發展

財中社2月14日電 方正證券發表研究報告稱：近日發佈的DeepSeek-R1模型依靠出色的性能和低成本優勢，有助於推動下游應用需求的增長，認爲在基礎化工領域，AI技術的賦能有望帶來合成生物學和農藥創新藥兩個方向的快速發展。

AI+合成生物學：合成生物學是採用工程科學的研究理念，對生物體進行有目的的理性設計、改造乃至重新合成，創建具有特定功能的人工生物體系。其工程學的本質體現在“自下而上”的工程學策略，沿着元件標準化-模塊構建-基因線路的設計與構建的運作模式實現對微生物的編程。因此，從產業鏈的角度來看，合成生物學的上游技術核心就是針對前端菌株的設計與製備，圍繞“設計-構建-測試-學習”的循環路徑生產高效的目標菌株。在這個過程中，人工智能輔助酶分子改造，可以通過數據驅動方式構建序列/結構-酶性能的預測模型，依據預測模型挑選優良突變體，從而大幅提高酶分子改造效率。合成生物的菌株設計可分爲四個環節：

1）首先在設計環節，通過對生物數據高通量篩選，從龐大的數據庫或者生物元件庫快速精準地找到目標元件，從而實現細胞的理性設計；

2）其次在構建、測試環節，通過自動化平臺設備和工藝流程進行高通量的組裝和測試，從而實現模塊化、標準化的構建，並且藉助機器學習技術強化DBTL循環，加速設計週期。

3）最後在學習環節，通過對基因的測試反饋，總結優化算法，提升數據蒐集和處理分析的能力，從而進一步夯實數據壁壘。因此人工智能的自我學習和迭代天然適配於合成生物學，機器深度學習能夠更加高效地處理複雜且高度非線性的大數據，使得預測結果更加準確。

AI+農藥創新藥：人工智能在農藥創制領域的應用可以加速新藥研發進程，降低成本並提高效率。農藥創制藥的研發週期長、投入高，統計顯示創制一個全新農藥，平均需要合成並篩選約16萬個不同的化合物，花費平均約2.86億美元，從首次合成到最終化合物登記上市平均花費約12年，而在綠色農藥研發成本中，約70%集中在先導發現和風險評價上。因此，利用人工智能技術可以通過分析植物或者病原體的蛋白質組數據，預測關鍵代謝路徑中的潛在靶標，從而提升新藥創制效率。亦或者是基於AI構建毒理學預測平臺，從而實現對於環境和生態風險的評估，進而縮短新藥創制週期。目前全球農藥巨頭正積極佈局人工智能領域，如先正達近期宣佈與人工智能公司TraitSeq合作，利用AI技術識別植物細胞狀態，開發高性能的生物刺激劑，從而增強養分利用效率。

如果您有新聞線索，請聯繫我們：newsroom@caizhongshe.cn