记者：近年来，人工智能技术快速发展，与生物制造领域的融合日益加深。人工智能应用能带来哪些助益？
陈国强：就我所关注的生物催化剂“酶”而言，从自然界筛选出的酶，存在活性低、对不同材料相容性差、催化特异性窄等问题，自然界也没有进化出适配特殊材料合成的酶。
虽然可以通过加速进化的方法获取所需酶，但AI能实现酶的从头设计或在现有酶的基础上进行重新设计，快速创造出自然界不存在、或性能更优的酶。
传统的进化突变法不仅耗时久，还未必能得到高特异性、高活性的酶。AI工具能让酶的设计速度实现跨数量级提升。未来，自然界中稀缺或不存在的酶，或许有很多能通过AI设计获得。
当需要某类功能的酶时，我们先梳理自然界中已知酶的DNA序列或氨基酸序列，让AI学习数据库中大量酶的DNA序列、氨基酸序列数据，AI会根据催化反应需求，寻找或设计出多种序列排列组合方式，随后科研人员在实验室将设计出的序列合成为DNA，利用细菌细胞验证AI设计的酶是否能催化目标所需的特殊反应。
如果由科研人员手动研究酶的数万个序列，时间往往按年来计，而AI仅需数天就能完成。
除了酶，AI还能类似地应用于代谢路径的设计。AI通过快速检索已发表文献中的产物代谢路径和产率数据，进行排列组合后，为科研人员快速推荐产量最大化的代谢路径组合方案。如果由科研人员手动检索文献并筛选方案，不仅耗时极长，还容易遗漏关键信息。
记者：从事生物制造相关工作的人才，需要具备哪些能力和素养？对该领域人才培养有什么建议？
陈国强：生物制造领域的人才需要具备跨学科的知识背景。其中，微生物学是核心，还需要酶相关的知识，分子生物学是另一个支撑学科，这三大方向构成了生物制造的核心知识体系。
此外，合成生物学作为新兴的跨学科领域，整合了生物制造的分子操作、微生物优化等工作。未来，人工智能（AI）也将深度融入生物制造，AI能设计催化范围更广的酶、转化率更高的代谢路径，推动生物制造向更高水平发展。
总体而言，生物制造人才需要掌握微生物学、分子生物学、化工、AI等领域的知识，部分工作还会涉及机械制造、动力学等学科，具备多学科背景的人才更适配产业发展需求。
因此，需在生物制造人才培养体系中加入AI相关专业内容，高校和科研机构还可推动跨学科融合，比如，科研人员跨院系兼职，促进不同学科知识的融合，培养具备多学科背景的人才。
