4月27-28日，第四届工程生物创新大会暨第二届中国合成生物学学术年会、第一届亚洲合成生物学创新大会在深圳光明科学城隆重举办，本次大会以“合成生物：未来生物经济的引擎”为主题。

    中国工程院院士、中国科学院上海营养与健康研究所研究员杨胜利出席活动并发表了精彩讲话。

    “合成生物学的研究和产业要融合实验科学、预测科学和工程科学。”

    以下为杨胜利院士完整版演讲内容， 经不改变原意的修改后发出。

    各位领导、各位专家，很高兴借此机会和大家交流讨论。今天主要讲三个问题：

    第一，数字合成生物学，即实验科学、预测科学和工程科学的融合；

    第二，优化我国合成生物学的布局；

    第三，合成生物学从基础研究到转化研究再到产业的瓶颈。

    首先回顾一下生命科学的发展进程。最早是实验科学，从形态学、分类学到细胞生物学、生物化学，再到分子生物学、基因工程、系统生物学；现在演变为预测科学，进入数字生物学。

    数字生物学和数字医学，前提是有基础研究产生的大数据，然后进行数据挖掘、数学建模，最后以此来训练人工智能。

    现在的合成生物学领域存在数据烟囱，要解决这个问题，首先要让数据标准化，其次要保障数据的安全，特别是医学的大数据，牵扯到每个人。数据安全是红线，标准化是能够跟数据共享的基础。在医学方面，临床数据、结构化病例为标准化、可共享提供技术基础。

    我给大家推荐一本书——《生物信息学》，书里讲了各个领域，从生物信息的标准化、数据挖掘、知识图谱到人工智能具体应该怎样去做。以“处理基因组的信息”为例，第一步是把基因数据分类，第二步是做数据解读和数据挖掘，最后是开发各种预测工具，实现由基因序列预测基因的功能。

    遗传信息从 DNA 传递至 RNA 再传递至蛋白质，最后由蛋白质在生命活动当中行使特定功能。基因决定了蛋白质 的功能。我们知道，Alpha Fold 可以由蛋白质序列预测蛋白质的结构，以及预测蛋白质的功能。我们也需要 知道，如何通过宏基因组的工作来实现这种功能？

    从合成生物学迈入数字合成生物学，第一步，就是建立底盘细胞和模式生物的数字模型。前面提到，深圳也要建立植物的合成生物学研究中心，所以我们在植物方面要怎么做？也需要建立植物的数字模型。

    合成生物学就是工程科学，是一个设计——构建——试验——大数据处理的反复循环，最后获得目标工程作物或底盘细胞。

    在生物合成目标化合物之前，先在计算机上进行设计并优化，证明其可行性，之后在生物反应器里进行生产。现在的生物反应器结合了传感器技术，可以将信息传输到计算中心，还会根据反应器里生化反应的变化，自动调节发酵过程，成为数字化、全自动的生物反应器。

    农业方面也是这样的，通过各种传感器感受环境的变化，来控制植物生长的过程；人体的健康和疾病也可以通过各种各样的生物传感器来监测，第一代传感器是腕戴式的，第二代是贴膜式的，第三代是植入体内的。这些数字化工具应用在医学上，作为临床决策辅助系统。在合成生物学方面，根据技术的成熟程度，有的可以全自动，有的还需要在人的监控下去做。

    过去做研究，科学家都会问为什么？机制是什么？但数字合成生物学的研究是不讲机制的，只讲相关性。

    所以， 今后我们的研究要两条腿走路，一方面，我们做实验科学、研究机制；另一方面，做数字科学的研究，就是根据大数据的相关性来做。

    关于优化合成生物学的布局，以下几个方面还有待加强。

    第一，生命的起源；

    第二，医学领域的合成生物学，包括合成生理学、合成免疫学和再生医学；

    第三，组织工程。随着干细胞和细胞 3D 打印的进展，组织工程进入了新的阶段。最近有一篇 Science 综述，特别强调了合成生物学的临床，所以这个领域还需要加强布局；

    第四，粮食生产。这是牵扯到国家安全的部分，这方面也要继续加强。有篇文章就指出，在微生物中生产粮食；

    第五，环境。比如通过合成生物学来解决重金属的污染。

    概括来说，就是健康、粮食、水、能源的安全，以及社会的可持续发展。

    最后讲一下合成生物学从基础研究到转化研究再到产业的瓶颈。其中一个瓶颈是怎样用科学和监管来促进合成生物学产品的转化和产业化。

    要发展监管科学，为监管提供科学基础。合成生物学的产品要经过监管审批，才能用到产业化，进入市场，这也是现在合成生物学产业发展的瓶颈。我上次也讲到，千万不要重蹈转基因食品的覆辙。希望科研人员共同努力，发挥大国工匠精神。

    今天就跟大家分享这么多，谢谢。