当 AI 遇上合成生物,人造细胞前景几何?

2022 年 1 月 3 日 机器之心
编辑/shanshan  
大数据时代,AI 技术在复杂对象的特征表征、多模态融合、样本自动生成等问题中表现出独特的优势,为合成生物学的应用插上了腾飞的翅膀。
1 编程人体细胞来了
「每种细胞类型都有自己的程序或编码——定义它的转录因子组合。通过将正确的程序插入干细胞,研究人员可以激活编码这些转录因子的基因,并将干细胞转变为特定类型的成熟细胞。」Bit Bio 首席执行官 马克·科特(Mark Kotter)日前在接受《连线》杂志采访时表示。
Bit Bio 是一家生物技术公司,主要为基础研究、药物发现和毒理学研究提供分化的人体细胞和组织模型 2016 年,Mark Kotter 博士在剑桥大学的实验室里发现了  opti-ox 技术,创立了 Elpis Biomed 公司(Bit Bio 前身)。
opti-ox 是一种突破性的基因工程方法 能够对人类诱导多能干细胞(iPSCs)直接重编程,通过激活细胞内特定转录因子的表达,驱动 iPSCs 的精准分化,从而批量生产人体中任何类型的细胞。
Bit Bio 首席运营官 拉米·易卜拉欣(Ramy Ibrahim)在接受《连线》杂志采访时表示,Bit Bio 的技术可以帮助降低细胞治疗的成本,并使大规模制造免疫细胞变得更加容易。「我们现在可以编辑大量正确的细胞类型,我认为这将是变革性的。」
目前,Bit Bio 两款主要在研产品是利用 opti-ox 技术对 iPSCs 重编程生成的谷氨酸能神经元和骨骼肌细胞。
11 月,Bit Bio 宣布完成 1.03 亿美元 B 轮融资, 投资者包括 Arch Ventures、Charles River Laboratories、Foresite Capital、National Resilience, Inc. (Resilience)、Metaplanet、普华资本 Puhua Capital 和腾讯。Bit Bio称,公司下一步发展规划是进军细胞疗法,将 opti-ox 技术用于研究、药物发现和细胞治疗。
人体细胞研究最大障碍之一是人体细胞的供应。当前的方法不足以在不需要依赖患者的情况下产生可靠、可扩展和一致的细胞供应,导致细胞疗法价格昂贵且无法扩展。
另外,缺乏可靠的人体细胞来源也阻碍了新药的研发。大多数临床试验以失败告终,部分原因在于用于药物开发和人类生物学的动物模型和细胞系之间的差异。opti-ox 技术可以为细胞疗法带来更高的精准度。
近期,Bit Bio 董事会迎来了三位新成员:世界领先的英国计算机芯片公司Arm Ltd. Holdings 联合创始人 Hermann Hauser;诺贝尔奖得主 Gregory Winter,他发明了生产治疗性单克隆抗体的技术;创业家 Alan S. Roemer,曾创立三家价值数十亿美元的生物技术公司。
他们将在 Bit Bio 扩展其专有的合成生物学细胞编程技术平台过程中提供重要指导,帮助创建基于人体细胞的产品和解决方案。
值得一提的是,细胞疗法技术也能用于细胞肉培养。两者的共同点在于,都涉及到干细胞分化的问题,只不过研究的方向不同。人源的 iPSC 细胞分化主要用于医疗领域,细胞培养肉研究的是利用动物干细胞大规模、低成本地制造肌肉、脂肪等细胞。
除 Bit Bio 之外,Mark Kotter 还是 Meatable 的联合创始人。Meatable 是一家细胞培养肉公司,希望改变世界获取蛋白质的方式。
Meatable 表示,已经开发出一种方法,可以从动物身上取样组织,将该组织恢复为多能干细胞,然后培养该细胞样本将肌肉和脂肪转化为肌肉和脂肪,以生产世界各地口味的猪肉产品。 
2 当 AI 遇上合成生物
从本质上讲,opti-ox 是一种合成生物学方法。 合成生物学是生命科学领域的一门新兴交叉科学,被认为是理解生命的新钥匙、未来的颠覆性技术之一,将为医药与健康安全、农业与食品安全、环境与能源安全提供新技术源头。
近年来,AI 与合成生物学结合的趋势越来越明显。生物学非常复杂,仅在人类身上,就有数万亿个细胞相互作用、指导。传统的生物学依靠经验或发现来收集知识,这个劳动密集的过程伴随着大量试错。
人工智能通过大型生物数据集得出结论的潜力,将给生物学带来巨大改变。比如自我训练的人工智能程序,有可能在分析大量信息后,迅速找到细微、独特的模型和生物功能,帮助人类更好地了解生物学的原理。
10 月,Bit Bio 与伦敦数学科学研究所(LIMS)达成合作,旨在解锁「生命操作系统」,以促进用于研究和治疗目的人类细胞的大规模生产。
伦敦数学科学研究所创始人兼所长 Thomas Fink 博士表示,「解码细胞身份将需要全新的数学,以及对机器学习的更深入理解。揭示生命的操作系统可以让我们像设计软件一样轻松地设计人体细胞。」
「AI 正在改变生物技术行业,通过对 AI 和机器学习的不断投资,将挖掘出生物技术行业的巨大潜力。」美国国家 AI 安全委员会主席 Robert Orton Work 最近表示,随着计算能力的提高,我们有理由期待合成生物学和一系列基于生物学的产品取得更大的进展。
合成生物学技术与人工智能的结合,将产生一些特殊材料,比如更加环保的人造肉类,到更清洁的燃料,再到合成器官。 生物技术还会使我们的供应链更有韧性,使我们能够在国内生产纺织品的原材料、石油产品的替代品以及一系列其他消费品,像家用产品和电子产品,而不必从国外采购。生物技术还可以用于生产环保肥料,提高军队的备战水平,创造监测生物威胁的解决方案。

据估计,未来 10 年内在 AI 的融合下,生物技术的进步将带来每年高达 4 万亿美元的直接经济收益。鉴于这些趋势,美国国家人工智能安全委员会(NSCAI)2021 年 3 月发布的报告将生物技术确定为对未来国家竞争力至关重要的七种新兴技术之一。
毋庸置疑,在合成生物学领域,利用先进的计算科技能够大大降低制造成本并提高效率。在构建细胞模型或生物组织之前,使用人工智能对即将生成的结果提前进行模拟和预测,将使产品开发过程从「实验化」转变为「工程化」。
然而,在重视 AI 及合成生物学本身发展的同时,也需要注意二者结合中存在的不足之处。 不论是 AI 还是合成生物学都还处于发展阶段,这可能会导致二者之间的深度联系较难被发掘,甚至还可能影响到本身的发展。同时,人工智能驱动的生物技术也有其黑暗的一面,如精确设计的病原体,被列为对美国威胁最大的五个人工智能隐患之一。

参考内容:

https://www.bit.bio/

https://www.meatable.com/news-room/

https://new.qq.com/omn/20211103/20211103A08BZD00.html

http://m.emedclub.com/information/view/35836157afb811eab602b8599f3054c8

https://kuaibao.qq.com/s/20210119A019SM00?refer=cp_1026

https://m.medsci.cn/article/show_article.do?id=fcaf938954b

https://warontherocks.com/2021/05/ai-and-synthetic-biology-are-critical-to-future-u-s-competitiveness/

http://www.bauhinia.org/index.php/zh-HK/analyses/852

https://picture.iczhiku.com/weixin/message1623240275095.html

https://www.dzxl120.com/new-ai-machine-learning-emerging-in-synthetic-biology/

https://blog.benchsci.com

人工智能 × [ 生物 神经科学 数学 物理 材料 ]

「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展

欢迎注标星,并点击右下角点赞在看

点击读原文,加入专业从业者社区,以获得更多交流合作机会及服务。

登录查看更多
0

相关内容

AI药物研发发展研究报告(附报告)
专知会员服务
84+阅读 · 2022年2月11日
专知会员服务
39+阅读 · 2021年9月7日
【ICLR2021】常识人工智能,77页ppt
专知会员服务
72+阅读 · 2021年5月11日
图表示学习在药物发现中的应用,48页ppt
专知会员服务
94+阅读 · 2021年4月30日
2021年中国人工智能在零售领域应用行业短报告,30页pdf
专知会员服务
67+阅读 · 2021年4月22日
Nature重磅:“饿死”癌细胞,又添新线索
学术头条
0+阅读 · 2021年10月21日
小图像,大图景:AI彻底改变了显微镜技术
机器之心
0+阅读 · 2021年5月2日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员