2024 年诺贝尔奖对人工智能和跨学科研究的关注，在学界激起千层浪，促使大家重新审视 AI 在科研领域的影响力。学术期刊《Nature》发文指出，AI 工具正革新科研工作模式，如提升文献摘要效率等。当下，不少研究者已将 AI 技术融入研究，或在跨学科探索中挖掘 AI 与本学科的融合点。清华大学教授周树云就透露，已让学生尝试用 AI 识别少层石墨烯的层厚与转角。
在生物制造领域，AI 技术更是展现出巨大潜力，助力攻克诸多难题。中国农业科学院深圳农业基因组研究所研究员闫建斌在谈及西藏红豆杉时感慨，在原始森林探寻红豆杉的经历让他印象深刻。红豆杉生长环境特殊，常分布于溪流或瀑布周边，且随着人类活动范围扩大，其生存空间不断被压缩。上世纪 60 年代，人们发现红豆杉能产生治疗乳腺癌、卵巢癌等癌症的紫杉醇，可其含量极低，且生长周期漫长。目前主流的化学半合成方法依赖红豆杉枝条和叶子，不仅资源依赖度高，提取成本也居高不下，还会造成化学污染。于是，学界与企业纷纷将目光转向紫杉醇生物合成，然而这一道路困难重重。
闫建斌表示，生物合成紫杉醇面临诸多阻碍，像缺乏基因组信息、超长合成途径中的反应中间体不明、没有合适的酶表征系统等。在约 20 步的反应中，一半涉及 P450 细胞色素酶，这类酶结构与活性复杂，自然界中多达 20 万种，要从中找到紫杉醇合成酶，难度可想而知。
不过，闫建斌团队成功打通了紫杉醇生物合成途径。他们绘制南方红豆杉基因组图谱，发现关键酶，揭示合成调控新机制，实现紫杉醇生产原料巴卡亭 III 的异源生物合成。在此过程中，AI 技术发挥了关键作用。
团队全面应用 AI 技术，面对紫杉烷类分子众多、化学空间庞大，难以分离出所有化合物的难题，构建 AI 算法模型预测化学结构。在细胞中人工加入酶产生紫杉烷类分子时，即便没有标准品，AI 也能判断是否生成目标分子。在代谢工程里，运用 AI 技术预测和改造多种酶的结构。进行基因组及基因表达调控网络分析时，当传统算法无法提供精准数据，AI 也能提供有力支持。
闫建斌强调，此前紫杉醇合成生物学领域鲜有人使用这类 AI 辅助手段。随着 AlphaFold 等 AI 工具问世，他们与北京大学、复旦大学等合作团队积极探讨基因组学、代谢组学与 AI 的融合。虽已取得一定成果，但仍有大量问题亟待解决。
AI 技术的应用显著提升了研究效率。闫建斌期望 AI 在生物制造领域发挥更大作用，以细胞发酵系统为例，AI 能更好地分析发酵参数，实时决策，助力构建全自动化、智能化的发酵大平台，就如同高度自动化、智能化的 “汽车超级工厂” ，推动生物制造迈向新高度。
