AI都要“机械飞升”了，合成生物还有多远？

合成生物学的目的是设计符合标准的生物系统，但生命系统高度复杂，人工设计的基因线路需要海量工程化的试错和优化。

基于工程设计原则，利用工程可预测性控制复杂系统构建的"设计-构建-测试-学习"循环(DBTL)逐渐成为合成生物学的核心策略。

AI技术的突飞猛进，就像闪进DBTL循环中的“新能源”。拥有海量数据的持续学习能力和在未知空间的智能探索能力，可以进行高效的基因注释、蛋白质功能预测、基因线路预测、代谢网络预测、复杂微生物群落表征等等，极大加快了DBTL循环效率。

虽然人工智能与合成生物学的交叉融合仍处于发轫之始，但已有来自学术界、产业界的各类成果涌现。

为打通合成生物DBTL循环，态创生物搭建了Tidetron Tao「本道」自动化研发平台，内载菌株库与元件库、iTidetron AI引擎、COMDEL活性肽预测和挖掘模型等，极大提升研发效率，链接研发生产每一步。

其中，iTidetron AI引擎结合人工智能、大数据、生物信息技术，搭建活性物质和菌株鉴定、可控基因表达、代谢通路设计、可控生物传感、酶设计与改造、干湿实验结合六大模块，攻克研发难题、驱动物质快速量产。

此外，态创生物自主开发的COMDEL活性肽预测和挖掘模型，具有准确性高、稳定性好和实用性广等优点，可助力实现在新型原料设计上的突破。

该模型覆盖多种活性肽预测模块，首期即将在态创生物官网上线开放AI抗菌肽预测和挖掘模型，敬请期待！