投资|没有独狼式的英雄,而是高科技化加持的新型制造业( 二 )


我在做博士后的时候,是比较早接受 CRISPR 技术的一批人之一 。当时,我的导师让我尝试给实验室里建立 CRISPR 的基因编辑平台 。当时全世界也就大概一篇文章是关于在酿酒酵母里使用 CRISPR,虽然结果很好,但当时大家多少还是持怀疑态度的 。然而最终我的实验结果证实了CRISPR系统的效率确实是出奇的高,对实验室的基因编辑能力起到了“鸟枪换炮”一样的提升 。
菌株构建好了,我们就来到了第三步,也就是 Test,去看看它们的具体表现 。现在通过高通量筛选平台,很多初创公司已经可以做到在短短几分钟之内筛选上千乃至上万份的样品,而且各种新式的方法还在层出不穷,相比 20 年前也是质变 。
最后一步就是 Learn,也就从 Test 的结果中去学习 。我们不能只通过高通量筛选的方法得到海量的数据,却没有好的办法分析,回答一些关键问题 。例如,如果这一轮的基因编辑效果很好,使得菌种的表现达到了预期,那我们要知道具体是什么带来了这些提升,以后如果再遇到类似的情况我们就可以做到有的放矢;反之,如果这一轮的基因编辑没有达到预期的效果,那原因又是什么 。尤其在项目初期,大部分时候肯定是不达预期的,那这个学习过程就显得更重要了 。只有明白了为什么,才能知道下一步迭代的时候该怎么做 。
近些年来,随着机器学习技术的日益完善和强大,再配合类似高通量基因组测序、高通量的代谢组学等技术,我们能更快更好地从海量的数据里提炼出更多有效的信息来指导下一步的 DBTL Cycle 的迭代 。
所有这些结合起来,可以看到,这几年合成生物学相关的技术积累在每一步都达到了临界点和转折点,从而使合成生物学技术有一些近似井喷的发展 。如果让我用个比喻,就像电动车,二三十年前,如果电池技术只能让车子开大概几十公里,还是强行把当时的电动车推向市场的话,那结果是可想而知的;但在今天,电池续航达轻松达到到几百公里,甚至上千公里之后,产品走向市场并最终盈利也就水到渠成了 。
分享一个 Amyris 的例子 。在 2012 年,Amyris自己的第一个分子产品,在从实验室开始做第一个菌种,到在大发酵罐里做实际生产前的试点发酵,我们用了大概 40 个月的时间 。等到了 2019 年,我们做的第五个分子产品,这个过程已经缩短到了大概 6 个月左右 。今天这个时间还在不断缩短 。虽然不同的分子研发的难度不同,这个时间也不会一直以相同的速度线性减少,但基本上这个缩短的大趋势还是很明显的 。
张志超:国畅,你觉得让 40 个月变成 6个月特别关键的点是什么?
张国畅:像我刚才说的,从 2012 年到 2019 年的 7 年来,技术首先在不断地发展,研发迭代变得非常快 。另外,Amyris 由于处于硅谷,可以非常高效地招揽到一些比较高级的人才 。他们的经验和创新能力,对整个研发迭代过程的帮助非常巨大 。我觉得人和技术,二者缺一不可 。
张志超:俊良,刚才国畅提到,这些使能技术变得越来越好用,请你介绍下,这几年底层使能技术主要有哪些具体的变化?
林俊良:我可能没有张博士对 Amyris 的系统这么了解 。但是首先,高通量平台的建立,需要时间 。Amyris 在过去十几、二十年来已经花了那么多的时间,烧了那么多的钱,那么多科学家一点一滴地建立起来 。所以,他们现在做菌种改良的速度非常快,包括有自己的高通量筛选平台,也跟 Berkeley Light 合作等等 。现在 Amyris 可能半年到一年就可以把一只菌株做出来 。建立自动化筛选平台,一开始就会比较慢 。

推荐阅读