工信厅消费函〔2024〕394号

各省、自治区、直辖市及计划单列市、新疆生产建设兵团工业和信息化主管部门：

为贯彻落实党中央、国务院关于加快推进新型工业化的决策部署，推动人工智能、智能制造等智能技术赋能新型工业化，促进智能技术和生物制造深度融合，助力生物制造场景创新，加快形成新质生产力，现组织开展智能技术在生物制造领域典型应用案例征集工作。有关事项通知如下：

一、征集方向

以智能技术和生物制造深度融合为主线，围绕生物制造产业链创新研发、中试放大、生产制造等重点环节，聚焦高性能蛋白质元件设计及构建等8大场景，开展典型应用案例征集工作。

（一）高性能蛋白质元件的设计及构建

利用机器学习、大语言模型等人工智能技术发掘、设计蛋白质序列及空间结构，实现对酶等蛋白质功能的预测和优化，提升催化活性、底物选择性、热稳定性、耐酸耐碱性、靶点亲和力、结合特异性等性状，并实现在生物化工、农业、饲料、医药、环保等领域的应用。

（二）调控机制的解析及优化

借助人工智能等技术探索工程菌株、细胞系的基因表达、酶促反应层面调控机制，发掘或从头设计新调控元件，开发预测算法与模型，实现对于调控抑制问题的解锁、关键基因及产物的动态控制、基因线路的构建等应用成果，提升产量、转化率、抗逆性等关键工业指标。

（三）代谢通路的设计及优化

通过人工智能等智能技术，发掘、设计新的代谢通路，并通过高通量构建与测试完成干—湿实验迭代，实现对代谢通路的建模，并利用数据模型引导代谢通路的优化，打通新的产物分子的合成路径，或实现已知代谢产物的产量提升、底物消耗降低等目标。

（四）细胞工厂的构建及优化

利用人工智能、知识图谱等技术，分析工业菌株、细胞系的基因型与产量、耐受性等工业指标的关联关系，利用高通量基因编辑技术完成基因组尺度的大规模编辑，改善细胞工厂在大规模生产中的适应性，提升生产效率，优化其在特定工业条件下的表现。

（五）培养基配方的设计及优化

利用基于人工智能的实验设计策略以及实时在线监测、高通量分析等技术手段，获取真实、准确的发酵过程数据，结合代谢网络分析方法，寻找培养基中底物、关键营养素、微量元素等的最优配比，不断优化微生物及细胞生长速度、产量、转化率等关键工业指标，提升工艺经济性。

（六）生物反应过程的智能控制

通过智能传感、在线分析及智能控制等智能技术的结合，实现对量产规模生物反应器及其生产过程的智能化控制，借助精准补料、变速搅拌、通气量调节等控制策略，实时监控并调整温度、pH值、溶解氧、关键底物浓度等重要的过程参数，并通过数字孪生等手段，建立反应器物理模型及黑箱数据库等，模拟和预测生物反应过程，优化控制稳定性，提升响应速度，提高生产效率，加速发酵条件优化与工艺放大的进程。