2023年科学试剂上市公司一览（10月9日）　　1、优宁维（301166）：10月9日该股主力资金净流入33.53万元，大单资金净流入33.53万元，中单资金净流入173.1万元，散户资金净流出206.64万元。　　2022年优宁维净利润1.06亿，同比增长-2.06%。　　公司是一家面向高等院校、科研院所、医院和生物医药企业等，提供以抗体为核心的生命科学试剂及相关仪器、耗材和综合技术服务的代理商。公司专注于生命科学研究服务，根据生命科学试剂品种繁多、单一品牌产品品种有限，客户群体庞大、应用领域分散的特点，搭建了国内专业全面的生命科学综合服务一站式平台。公司整合了Agilent、BD、CST、Cytiva（原GE）、Merck、PerkinElmer、R&D systems、Miltenyi、MSD、Qiagen等50多家行业知名品牌抗体产品，形成了以第三方品牌产品为主、自主品牌产品为辅的供应体系，在行业内树立了“优宁维-抗体专家”的品牌形象。目前公司提供生命科学试剂产品SKU超过469万种，覆盖基因、蛋白、细胞、组织及动物等不同水平的研究对象，涵盖生命科学基础研究、医学基础研究、体外诊断研究、药物研发、细胞治疗研究等领域，是国内抗体品种及规格最全面的供应商之一，有效满足不同领域研究人员对抗体多元化的应用需求。公司客户包括清华大学、北京大学、复旦大学、上海交通大学、浙江大学等高等院校（覆盖92所985、211大学）；中国科学院系统、中国医学科学院系统、中国农业科学院系统等科研院所（覆盖454所科研院所）；复旦大学附属中山医院、中国医科大学附属第一医院、华中科技大学附属协和医院、上海交通大学附属第九人民医院等医院（覆盖498所三甲医院）；以及透景生命、康龙化成、药明康德、恒瑞医药等生物医药企业（覆盖50多家国内外上市公司）。　　2、阿拉丁（688179）：10月9日主力资金净流出281.68万元，超大单资金净流入84.08万元，换手率2.47%，成交金额4696.2万元。　　2022年报显示，阿拉丁实现净利润9233.15万元，同比增长3.32%。　　3、毕得医药（688073）：10月9日消息，毕得医药主力净流入18.35万元，超大单净流出329.51万元，散户净流出310.04万元。　　2022年报显示，毕得医药实现净利润1.46亿元，同比增长49.6%。　　公司是一家聚焦于新药研发产业链前端，依托药物分子砌块的研发设计、生产及销售等核心业务，能够为新药研发机构提供结构新颖、功能多样的药物分子砌块及科学试剂等产品的高新技术企业。　　数据由南方财富网提供，仅供参考，不构成投资建议，股市有风险，投资需谨慎，据此操作，风险自担。
　　
}

数据挖掘工程师岗位职责15篇　　在不断进步的社会中，我们可以接触到岗位职责的地方越来越多，制定岗位职责可以减少违章行为和违章事故的发生。想必许多人都在为如何制定岗位职责而烦恼吧，以下是小编收集整理的数据挖掘工程师岗位职责，欢迎大家借鉴与参考，希望对大家有所帮助。数据挖掘工程师岗位职责1　　职责：　　1.负责大数据项目需求调研及分析、模型设计工作。　　2.负责规划数据挖掘的整体流程，并参与用户产品和数据产品的决策。　　3.与业务部门密切配合，寻求数据层面的业务价值，利用数据分析结论推动产品优化。　　4.带领团队对于产品数据进行分析，指导工程师完成数据挖掘相关的算法、应用的设计与开发。　　5.技术团队的'管理，制定开发规范，撰写相关技术文档指导和培训工程师。　　任职要求：　　1.计算机、数学、统计等相关专业本科以及以上学历;两年及以上工作经验。　　2.具备良好的数据结构和算法基础。　　3.熟练掌握数据挖掘算法模块关联分析、聚类分析、分类分析、回归分析里的经典算法。　　4.熟悉深度学习里的经典神经网络，包括并不限于MLP/CNN/RNN。　　5.熟悉Python, Java等常用编程语言。　　6.熟悉分布式数据处理系统的开发，Hadoop/Spark/Hive等。　　7.全面了解机器学习应用于实际问题的完整流程，有相关实际项目经验。数据挖掘工程师岗位职责2　　职责：　　1.参与大数据分析，个性化推荐等系统的设计和开发;　　2.负责数据挖掘及推荐系统相关模型、算法的设计与开发;　　3.搭建高扩展高性能的数据分析模型库，作为数据分析团队的'基础工具;　　4.提供大数据，推荐，搜索等相关技术研究成果、产品技术平台设计;　　希望具备的条件：　　1.熟练Unix/Linux操作系统，熟悉掌握常用Shell/Python/Perl等脚本工具;　　2.对统计学和数据挖掘算法有较为深刻的理解，熟悉决策树、聚类、逻辑回归、关联分析、SVM、贝叶斯等数据挖掘算法　　3.具备良好的业务挖掘和分析能力，能针对实际业务中的数据进行统计建模分析数据挖掘工程师岗位职责3　　1、负责构建体系框架，公开数据等进行分析，挖掘特征；　　2、负责大数据产品的规划，需求分析和产品设计和定义；　　3、基于现有真实用户行为数据，能够从数据中发现能源的.需求和业务场景；　　4、参与业务部门临时数据分析需求的调研、分析及实现；　　5、监测分析产品运营状况，持续优化产品功能改造和业务拓展方向，提出和落实产品优化改造方案。　　6、撰写专题大数据分析报告。数据挖掘工程师岗位职责4　　1.负责数据分析,数据挖掘相关的算法、应用的设计与开发;　　2.负责公司产品各阶段数据的整理、分析、挖掘及提交数据报告，重点对车辆行为数据进行分析和挖掘，利用数据分析结论推动业务产品的`优化;　　3.对海量业务数据进行整合、分析挖掘，挖掘产品以及用户潜在信息，为营销、运营及决策提供业务分析及数据支持。数据挖掘工程师岗位职责5　　职责：　　1.从事精准医疗领域的'大数据管理分析、BI数据挖掘;　　2.熟练使用脚本工具访问数据库，并完成相应的脚本分析，以图形界面的方式呈现;　　3.熟练使用统计或者机器学习算法，对结构化数据进行统计分析，包括分类和聚类，并进行预测建模等;　　4.与相关项目开发组沟通，明确其需求并给予数据分析统计结果等支持。　　任职要求：　　1、应用数学，计算机，生物等相关专业硕士以上学历;　　2、有生命科学、基因、医药等生物科技行业2年以上工作经验;　　3、熟练运用各种常用算法和数据结构，熟悉常用的机器学习算法，了解各种算法的优缺点和局限性;　　4、熟悉R、Python等数据分析平台及工具，有搭建hadoop、spark或类似平台从业经验;　　5、熟悉主流数据库Oracle、MySQL对NoSql有一定了解及应用经验;　　6、有团队精神，能够承担责任和压力。数据挖掘工程师岗位职责6　　1、新产品涂装工艺的开发，按照客户要求开发涂料涂装，治具的设计方案确认　　2、工艺条件的确认SOP文件的制订　　3、新产品的试制，产品的持续改进，工艺条件调整，合格率提升　　4、工程设变的变更，工艺、制程文件的制订及检查，满足生产所需技术条件的资料确认，查检表单　　5、对涂装车间的改善，环保工作归口管理，车间环境监控　　6、涂装设备改进及监控，品质问题的解决与改善，对现场出现不良进行改善，涂装线现场工艺员能力培养与提升，提升涂装整体技术水平。　　7、负责涂装线整体的VE项目，降低涂装成本，与设备人员共同制定涂装线的'保养计划，并制定相应的执行标准　　8、负责涂装工程师的培养与工作执行状况的监督、指导，新产品涂装工艺的开发，按照客户要求开发涂料数据挖掘工程师岗位职责7　　1、负责土地利用总体规划、建设项目用地预审及报批等规划项目的'开展和编制;　　2、负责土地利用总体规划修改(有条件建设区使用、占用多划基本农田、城乡建设用地规模边界调整)等规划项目的开展和编制;　　3、负责高标准基本农田、上图入库、城乡建设用地增减挂钩、土地整治规划、土地整理复垦开发、永久基本农田划定、土地节约集约利用评价等规划项目的开展和编制。　　4、负责规划类的其他项目的开展和编制。数据挖掘工程师岗位职责8　　职责：　　1、负责数据库业务程序开发(包括脚本、函数、存储过程等)，编写数据库设计文档，进行SQL代码规范审核;　　2、负责数据库库表模型设计，数据库架构搭建和优化策略，和开发人员SQL代码开发技能提升;　　3、协助进行数据提取和数据分析，负责BI系统后端ETL数据抽取;　　4、利用相关建模软件(数据分析软件)进行数据建模工作。　　任职要求：　　1、有电商行业工作经验，熟悉电商业务优先;　　2、工作经验2-5年;　　3、本科及以上学历，计算机相关专业;　　4、熟悉Oracle，mysql等主流数据库,精通SQL各种查询汇聚，具有BI/数据仓库经验者优先;　　5、善于与人沟通，为人正直、诚信，有较强的事业心，对工作认真负责。数据挖掘工程师岗位职责9　　职责：　　对业务数据进行采集、清洗、整理、标签、分层；　　根据业务需求，应用统计学、数据挖掘等建立精准数据模型，满足业务需求；　　能从业务和产品角度出发，利用数据来发现产品或业务的瓶颈，提出优化方案；　　探索业界和学术界前言的`数据挖掘、机器学习理论与实践。　　任职资格：　　本科及以上学历，数学、统计学、计算机专业优先；　　精通数据挖掘脚本语言，能灵活运用R、Python中的一种，熟练sklean/numpy/pandas等科学计算相关库，有统计建模、机器学习或数据挖掘应用的项目经验优先；　　对大数据技术有深入了解，能够使用Hadoop、spark等相关技术；　　勤奋踏实，乐于学习新事物，有良好团队合作精神和高度的责任感；　　医疗、生物背景人员优先。数据挖掘工程师岗位职责10　　职责：　　1、参与市场营销分析、策划、规划和数据分析工作；　　2、根据分析、诊断结果，建立分析模型并优化，为运营决策、产品方向、销售策略等提供数据支持；　　3、利用专业数据分析、挖掘工具进行数据建模；　　4、有相关工作经验1年以上。　　任职要求：　　1、硕士以上学历，有较强的数学功底和扎实的统计学、数据挖掘功底；　　2、掌握SQL语句，熟悉Oracle，具备数据处理能力；　　3、精通常用数据挖掘工具软件R / SPSS Clementine / SAS/Python等工具之一，掌握聚类分析、方差分析、相关分析、回归分析、关联规则、决策树、随机模型等常用数据分析方法以及经典的数据挖掘算法，具备一定的基础可自编挖掘算法；　　4、有较强的'市场敏感度，分析能力强；　　5、具备良好的职业素质与敬业精神，注重团队合作，擅长沟通表达；　　6、 1年或者以上零售或服装行业客户关系管理从业经验（奢侈品行业优先）；有数据挖掘项目实施经验者优先，有营销知识，理念和实践者优先。数据挖掘工程师岗位职责11　　职责：　　(1)收集客户分析需求，转化需求为可执行的分析方案;　　(2)基于分析方案，进行数据收集、挖掘建模、模型优化;　　(3)撰写分析报告;　　(4)跟进模型效果评估与优化;　　(5)其他数据分析挖掘技术性工作。　　岗位要求：　　(1)本科及以上学历，专业背景是应用数学或者统计学等相关专业有关;　　(2)2年以上相关数据挖掘分析工作经验;对数据挖掘的基本算法有一定了解和应用经验;　　(3)能快速理解客户需求，将实际需求转化为建模分析需求;　　(4)熟练使用SAS、JMP、SPSS、R等其中任一挖掘分析软件。　　(5)熟悉运营商业务数据;数据挖掘工程师岗位职责12　　职责：　　1、运用数据挖掘、统计学习的理论和方法，深入挖掘和分析数据，并设计实现相应的算法。　　2、大规模数据的分类、聚类、关联等算法的.比较研究，并能够根据公司需要，在短内熟悉特定领域的业务知识。　　3、根据数据产品的设计进行数据探索、包括算法选取、领域数据准备、数据预处理、特征抽取，以及模型验证。　　任职资格：　　1、熟悉AI相关知识，了解常见的公开算法的原理和实现方法。　　2、熟练使用数据分析、挖掘方法；熟悉各项数据挖掘、机器学习相关算法等方面知识。　　3、有海量数据挖掘和分析经验，能独立构建模型，完成数据分析等工作。　　4、对数据敏感，具有良好的逻辑思维能力、理解业务的能力、沟通能力和表达呈现能力，具备使用Python，R，JAVA，SPSS工具，Python、R语言的经验优先考虑。　　5、全日制本科及以上学历，计算机相关专业。数据挖掘工程师岗位职责13　　职责：　　1、利用数据挖掘、机器学习相关知识和算法，解决工厂业务需求，驱动业务数字化；　　2、利用数据处理和挖掘相关知识实现工厂KPI要求，包括生产线IDC降低，预测性维护等数据挖掘的多方面应用场景实现；　　3、负责数据挖掘项目管理，进度把控，同时针对工厂各方面需求推广数据挖掘和机器学习的主流应用算法和工具，并制定相关的规范和标准；　　4、针对数据挖掘涉及的数据库和业务相关硬件网络架构的`搭建和日常运维支持；　　岗位要求：　　1、本科或以上学历，数学、计算机或者信息工程等相关专业。　　2、有工业领域或AI领域数据分析处理或者相关行业一年及以上工作经验。　　3、熟悉运用各种常用算法和数据结构，有聚类、分类、回归等数据挖掘工作经验优先考虑；　　3、熟悉Linux平台上的编程环境，至少掌握R/Python/C#一门编程语言，有项目应用优先考虑　　4、至少掌握SQL Server/Oracle/MySQL一种数据库，有项目实践者优先考虑　　5、熟悉Hadoop架构、网络通信和数据平台架构设计知识者优先考虑数据挖掘工程师岗位职责14　　职责：　　1、基于ERP数据、用户数据、日志行为数据等构建数据中间层，为数据分析、数据挖掘、数据预测应用场景提供优质的基础数据;　　2、深度挖掘数据价值，构建用户画像，挖掘潜在规律和关联用户行为，为业务产品决策提供数据依据。　　3、对公司业务应用场景进行数据分析和决策支撑;　　4、主导数据产品的设计;　　5、配合软件工程师把模型落地，并对模型进行迭代优化。　　任职要求：　　1、数学、统计学，计算机类本科以上学历，有良好数学基础;　　2、熟练掌握SQL语言，基本会使用SAS、Python、SPSS、R等其中一项挖掘分析软件;　　3、有数据建模工作经验，良好的`业务理解能力和模型抽象能力;　　4、有海量大数据平台使用经验的优先考虑，有农业行业数据研究经验的优先考虑;　　5、具有良好的沟通和团队协作能力，对业务有良好的理解能力和敏锐度。数据挖掘工程师岗位职责15　　职责：　　1、负责与政务等行业相关客户进行详细需求沟通、售前交流，深入理解、发掘、分析、归纳客户能力提升的.相关需求点;　　2、撰写整体系统建设方案、需求分析文档、用户使用手册、PPT等相关文档;　　3、设计系统用例图、流程图、原型图等;　　4、协助项目组其他成员对需求进行理解;　　5、参与项目计划、需求、测试用例等评审;　　任职资格:　　1、大专及以上学历，计算机、通信等相关专业毕业，有2年以上IT从业经验，1年以上需求分析、产品设计等相关经验;　　2、熟悉软件工程，熟悉软件需求管理过程;　　3、熟悉SQL关系型数据库及SQL脚本，了解Mysql、SQL Server等其他关系型数据库;　　4、敏锐的业务需求分析和业务数据建模能力，熟悉UML/PowerDesign/VISIO等相关建模工具;　　5、具有较强的文档撰写能力，有成功的系统建设方案、需求分析文档、系统原型设计(Axure等工具)、用户使用手册案例(面试时携带案例);【数据挖掘工程师岗位职责】相关文章：数据挖掘工程师岗位职责06-04数据挖掘工程师岗位职责11-14数据挖掘工程师工作的岗位职责01-17数据挖掘算法工程师岗位职责01-24数据挖掘工程师工作的岗位职责03-15数据挖掘工程师岗位职责14篇02-11数据挖掘工程师岗位职责(14篇)02-11数据挖掘工程师岗位职责15篇02-14数据挖掘工程师岗位职责(15篇)02-14数据挖掘工程师工作的岗位职责模板11-29}

一、合成生物学产品开发两大流程：“细胞构建”+“生产规模 放大”1.1 合成生物学，利用生命体进行特定产品的生产：“细胞构建”+“生产 规模放大”合成生物学是一个多学科交叉的研究领域，通过生命科学、工程学、计算科学、 物理学与化学等多学科手段，设计和建造新的生物元件、装置和系统，使细胞具 有特定功能，在生物基材料、生物能源、医药、食品、环境等领域表现出了广阔 的应用前景。从基础研究领域看，设计构建人工生物系统可以加深人类对生命本质的理解；从 应用研究方面看，合成生物学成果在医药、能源、化学品、环保和食品等领域都 具有极大的应用价值。合成生物学的定义众说纷纭，目前还没有一个确切的标准。广义上讲，所有系统 性改造、合成具有特定功能生命体的过程都属于合成生物学研究的范畴，包括利 用改造的生命体生产化工产品、食品、环境、生物能源、药物中间体等，也包括 直接利用改造后生命体的细胞免疫疗法、RNA 药物、微生态疗法等。目前投资领域更加关注的是合成生物学的生物制造功能，即利用生命体进行特定 产品的生产，目前比较成熟的应用包括 1，3-丙二醇、L-丙氨酸等化工产品，人 造肉以及部分药物中间体。从最初的实验室研发到最终的产品落地，合成生物学的生物基产品开发过程整体 而言分为两个阶段，细胞构建和生产规模放大。细胞构建以“设计‐构建‐检验‐学 习”循环为核心，而生产规模放大的过程与传统发酵工程放大的过程相似，包括 “实验室小试-中试试验-规模化生产”三个阶段。“设计‐构建‐检验‐学习”循环不仅仅存在于细胞构建过程中，而是贯穿于合成生物 学产品开发和优化的全流程。在生产规模放大时甚至产业化之后，不断进行“设 计‐构建‐检验‐学习”循环可以不断改善和提高菌株的性能。1.2 细胞构建的核心是“设计-构建-检验-学习”循环当确定好目标产物后，研究者需要通过“设计‐构建‐检验‐学习”循环来进行细胞构 建和优化，“设计‐构建‐检验‐学习”循环是合成生物学产品开发的核心。“设计”是指利用相关数据库或是软件平台确定合成目标产物的底盘细胞以及选择 适合的代谢通路。“构建”是指通过 DNA 合成、DNA 组装、基因编辑等手段将设计好的代谢通路导 入底盘细胞内。“检验”是指通过微流控芯片技术、高通量筛选技术等检验细胞的生长代谢、生产 能力等相关参数，并筛选出最优菌株。“学习”是循环中的重要一环，也是细胞构建过程中的限速步骤，研究者需要对细 胞代谢通路上的每一个节点进行分析，找出目标产物产量不达标的原因，修改代 谢通路，进行下一个循环。初代细胞的产量通常是很低的，可能仅仅达到质谱仪能够检出的最低浓度 ug/L 级别，远远达不到产业化的标准。通过不断进行“设计‐构建‐检验‐学习”循环，突 破代谢通路中限制产量的瓶颈，可以使产量不断提高，从而达到产业化水平。构建出一个可以产业化的细胞所需的时间会由于代谢通路的复杂程度而有所不同。基于目前合成生物学的学科发展水平，代谢通路简单的产品，如L-丙氨酸，可能 需要 2-3 年时间完成细胞构建。而代谢通路非常复杂的产品，如紫杉醇，则有可能经过十数年的研究却仍未构建出可以产业化的细胞。1.2.1 底盘细胞，合成生物学的“硬件”基础底盘细胞是合成生物学的“硬件”基础，其中常用的模式微生物有酿酒酵母、大肠 杆菌、枯草芽孢杆菌、谷氨酸棒杆菌等。不同的模式微生物具有特定的优缺点， 因此被应用于不同产物的生产。还有诸多非模式菌株由于天然具有理想细胞工厂所需的优异特性而在各个领域被 广泛应用，如需钠弧菌、贝氏不动杆菌、运动发酵单胞菌等。理想细胞工厂的优 点包括通过 GRAS 生物安全认证、可高效利用多种底物（尤其是廉价原料）、生 长周期短、目标产物产量高、副产物少、性能稳定、耐受极端环境条件、鲁棒性 强等。1.2.2 “设计”，合成生物学“设计‐构建‐检验‐学习”循环的基础设计是合成生物学“设计‐构建‐检验‐学习”循环的基础，利用数据库中生物系统的 各种信息可以对生物元件、代谢通路、基因组进行理性设计。生物元件是具有特定功能的氨基酸或者核苷酸序列，包括启动子、终止子、核糖 体结合位点、蛋白质编码区域等，这些生物元件主要来源于对自然界中各种生物 氨基酸、核苷酸序列的挖掘。收集各类生物元件并构建生物元件库可以实现元件 信息和实物的共享，最著名的是美国麻省理工学院的“标准生物元件登记库” (RSBP)。近年开发的人工智能算法 Alphafold2，能够基于 DNA 序列进行蛋白质的结构和 功能预测，加快非自然存在的生物元件的理性设计。未来基于 Alphafold2 可以开 发出自然界目前不存在的具有特定功能的蛋白，从而开发出新的代谢线路或是利 用合成生物学方法合成自然界中无法生物合成的物质。代谢通路设计像电子工程电路编程一样对生命的运行过程进行重新编程。像生物 元件一样，代谢网络也有相应的数据库，如 KEGG pathways，数据库中存储着大 量细胞中物质代谢的信息。通过挖掘数据库中相应的代谢通路，并进行代谢网络 组装和分析，就可以构建出合适的代谢通路。在基因组设计方面，部分软件可以使研究者从全局出发，快速高效地完成设计。例如 BioStudio 软件已被应用于酵母染色体合成项目 Syn2.0 的设计中。Amyris 等 平台型公司的自动化设计平台可以实现自动化的基因组设计。1.2.3 “构建”，合成生物学中的“芯片”制作“构建”是指通过 DNA 合成、DNA 组装、基因编辑等手段将设计好的代谢通路导 入底盘细胞内，是合成生物学中的“芯片”制作过程。DNA 合成技术在合成生物学的发展过程中起着十分重要的支撑作用，目前的主 流技术为固相亚磷酰胺化学合成法，由于合成长度、错配率与生产成本之间的制 约关系，合成长度一般不超过 200~300 bp。微阵列芯片的发展将会进一步提高合 成效率，降低合成成本。此外，随着无模板酶促合成法的发展及相关瓶颈的突破， 将可实现更长寡核苷酸 Oligo 的合成。DNA 片段从头合成的长度有限，更长的基因或基因组则需要通过寡核苷酸片段 的酶促组装或体内组装获得，目前有 BioBrick、BglBricks、In-Fusion、Gateway、 Golden Gate、Gibson 等多种组装方法。基因编辑技术已经从第一代锌指核酸酶 (Zinc finger nucleases，ZFN)、第二代转 录激活样效应因子核酸酶 (Transcription activator-like effector，TALE) 发展到目前 的第三代 CRISPR-Cas 技术。CRISPR-Cas 技术具有效率高、操作快捷、效果准确等优点，是目前基因编辑的 主流技术，尤其是Ⅱ型的 CRISPR-Cas9 或 CRISPR-Cas12a (Cpf1) 基因编辑技术， 已在多种生物体系中得到广泛应用。1.2.4 “检验”，细胞构建中的质控环节基因型检验是重要的质量控制环节，也就是需要通过测序来确定改造后的基因组 是否符合最初的设计。Sanger 测序法受到成本及测序长度的阻碍，无法大规模应 用。二代测序使大规模测序成为可能，高通量平行测序极大降低了测序成本。表现型检验主要是测定胞内和胞外各种代谢产物的含量，最常用的方法是质谱检 测。传统的检测方法无法满足合成生物学对大量检验的需求，目前已经开发了多 种高通量或自动化的筛选与检测技术来提高测试的效率，其中比较有代表性的是 可以进行菌株筛选和表型筛选的液滴微流控技术。液滴微流控技术通过特殊的微通道设计，将微米级尺度的微液滴进行大量制备、 混匀、融合、分割、孵育、检测、分选等操作，并使用荧光信号对代谢产物进行 定量。这种技术体系可以在极高的速度下工作，筛选通量高达 108 /天，显著提高 了对细胞进行高通量筛选的能力。1.2.5 “学习”，分析前循环问题，为后循环提供指导“学习”是合成生物学“设计‐构建‐检验‐学习”循环 中的重要一环，也是细胞构建过 程中的限速步骤，研究者需要对细胞代谢通路上的每一个节点进行分析，找出目 标产物产量不达标的原因，修改代谢通路，进行下一个循环。这一过程涉及数据 收集整合、数据分析、结果可视化和建模分析等。当前组学数据大量积累以及过程检测数据剧增，专用的公共数据库为数据的收集 整理提供了极大的便利。不同的数据库还提供了自动化的数据下载程序或脚本， 极大方便了数据收集的过程。1.3 生产规模放大是产业化的关键生产规模扩大是合成生物学产品是否能够实现产业化的关键环节，但是这并不是 一个全新的课题，传统的发酵工业中也是利用具有特定功能的细胞来进行产品生 产的。合成生物学产品的生产规模放大的过程，就是生物发酵的放大过程，由 “实验室小试-中试试验-规模化生产”三个阶段组成。发酵的重要场所是发酵罐，发酵罐一般由管路系统、搅拌系统、检测系统、数据 分析系统和反馈系统构成。数据分析系统可以根据检测系统的结果调整发酵参数， 改善发酵工艺，并通过反馈系统调整温度、转速和通气流量等参数。生产规模扩大并不是简单的发酵罐规格的放大，随着规模的扩大，发酵水平经常 会下降。放大时需要对发酵罐和发酵工艺进行合理计算和设计，并在放大过程中 根据经验不断改善发酵工艺，提高发酵水平。此外，在生产规模扩大过程中，也要继续监测菌种的代谢情况，利用“设计-构建 -检测-学习”循环调整菌种的代谢通路，从菌种的生产能力、繁衍能力、对环境 的耐受力等方面提高整体的发酵水平。二、技术发展、政策支持、资本加持下，合成生物学备受关注2.1 合成生物学市场规模快速增长，资本关注度不断上升根据麦肯锡 2020 年发布的报告《The bio revolution, innovations transforming economies, societies and our lives》，全球经济活动中 60%的物质产品可由生物技术 进行生产，包括 1/3 来自天然生物的材料和 2/3 非生物来源的材料；合成生物学 技术在未来的 10～20 年中，每年将为全球带来 2～4 万亿美元的直接经济效益。根据 Reportlinker 发布的《Synthetic Biology Global Market Report 2022》，2021 年 合成生物学全球市场规模已达 100.7 亿美元，预计 2022 年将以 30.2%的年增速增 长至 131.1 亿美元。预计到 2026 年全球合成生物学市场可达 336.3 亿美元，2021- 2026 年的复合年增长率可达 27.27%。据 SynBioBeta 统计，2020 年合成生物学领域融资金额达到了 78 亿美元，是 2019 年的两倍以上。2021年这个金额达到了 180亿美元，为 2009年-2020年融资金额 之和。合成生物学领域资本关注度迅速上升。2.2 合成生物学学科发展进入“会聚研究”新阶段目前为止，合成生物学的学科发展经历了四个阶段。第一阶段，创建时期（2000-2003 年）：产生了许多具备领域特征的研究手段和理 论，特别是基因线路工程的建立以及在代谢工程中的成功应用。第二阶段，扩张和发展期（2004-2007 年）：这一阶段特征是应用领域有扩大趋势，但工程技术进步比较缓慢。第三阶段，快速创新和应用转化期（2008-2013 年）：这一阶段涌现出的新技术和 工程手段使合成生物学研究和应用领域大为拓展，特别是人工合成基因组的能力 提升到了接近 Mb（染色体长度）的水平，而基因编辑技术也出现了前所未有的 突破。第四阶段，“会聚研究”新阶段（2014 年至今）：2014 年，美国科学院提出“会聚” 研究为生命科学第三次革命，以使能技术的工程化平台建设与生物医学大数据的 开源应用相结合带来的“工程生物学”，正在全面推动生物技术、生物产业和生物 医药发展的新阶段。2000 以来，在各国政府的科技战略和强力支持下，合成生物学领域基础研究快 速发展，研究论文产出不断增加；经过 10 年左右的发展，合成生物学技术的应 用开发蓄势而发，专利申请量进入快速增长期。2.3 底层技术发展带动合成生物学产业发展合成生物学产品研发的“设计-构建-检测-学习”循环中涉及很多底层技术，如基因 合成、基因编辑、基因检测等。近年来，基因检测和基因编辑的技术发展和成本 降低也大幅促进了合成生物学产业的发展。此外，工程化平台、人工智能等可以 提高研发效率的新技术手段也已经被引入合成生物学的产品研发过程。2.3.1 基因测序成本断崖式下降2001 年平均每兆数据量基因测序成本是 5292.39 美元。2006 年二代测序技术推出 后，平均每兆数据量基因测序成本降至 581.9 美元。此后，随着基因测序技术的不断推陈出新，基因测序成本进一步下降，2021 年平均每兆数据量基因测序成 本仅需 0.006 美元，相较 2001 年测序成本急剧下降。2.3.2 CRISPR/Cas 技术显著降低基因编辑的难度和成本从九十年代末基因编辑技术的出现到如今，基因编辑技术经历了三代发展。1996 年，第一代基因组定点编辑技术 ZFNs 技术诞生，但是由于构建难、成本高、编 辑效率低等原因，其发展受到限制。2010 年，第二代基因编辑技术 TALENs 诞 生，改善了 ZFNs 的很多局限性，但是技术难度仍然偏高，且很难实现多靶点编 辑。2012 年，CRISPR/Cas 技术开始迅速发展，作为基因编辑领域突破性的技术，它 具有合成简单、周期短、成本低、可高效多靶点编辑等优点，更符合合成生物学 需要对基因组做较多改造的需求。但是 CRISPR/Cas 无法实现对任意基因位点的 编辑，脱靶效应也还需要更多研究去克服，目前应用还有一定的局限性。2.3.3 生物酶法基因合成仪未来有望大幅缩短合成生物学研发时间DNA 合成技术中，目前化学法的固相亚磷酰胺三酯合成法最为成熟且被广泛应 用，基于此原理开发的柱式合成仪被称为第一代柱式合成仪，已经有多款机型在 市场上流通。2004 年开始，基于固相芯片的高通量化学合成法也就是二代技术逐渐走入大众 视野，可在提供高通量合成的同时，降低试剂的消耗，初步实现低成本高通量的 寡核苷酸合成。相比一代技术，二代技术通量高、成本低，但目前市场上尚无商 业化仪器，仅提供技术服务。根据合成原理，高通量合成仪主要包括光化学、电 化学、喷墨打印、集成电路控制、基于分选的高通量并行合成 这 5 类。2.3.4 自动化工程化平台大大提高合成生物学研发效率合成生物学细胞构建过程中，由于生命体自身的高度复杂性，所以对合成生命体 仍缺乏理性设计的能力。也就是说目前面对一个设计好的合成生命体，暂无科学、 定量的手段去预测它的生产代谢情况，主要依靠科学家的经验进行预判，还需要 进行长期、反复的人工实验试错，这个过程中需要海量的工程化试错性实验。快速、低成本、多循环地完成“设计-构建-测试-学习”这一闭环是提高合成生物学 研发效率的重要手段，因而学术界和产业界都在搭建自动化工程化的平台系统。这些自动化工程化平台又称为“生物铸造厂（BioFoundry）”，由硬件系统和软件 系统组成。硬件主要包括标准化的实验容器如微孔板、以及配套的仪器设备，如 离心机、分液器、自动化摇床、自动化 PCR 仪、高通量毛细管电泳仪、自动化 菌落涂布挑选仪等。软件方面，需要有集成软件系统自动化控制实验操作的仪器 设备和转运装置， 目前提供软件服务的厂商主要有Thermo Fisher、Beckman等。在 DNA 自动组装方面，已经有比较成熟的自动化平台。英国爱丁堡大学的 EGF 设施是目前学术界已建成最大规模的整合型合成生物平台，每周可以处理超过 2000 个 DNA 组装反应，通量相当于 1 位研究人员手工操作的 20 倍。目前可以操 作的底盘系统包括大肠杆菌、酿酒酵母、蓝细菌等。该平台还集成了一系列细胞 功能测试模块，进行自动化 q PCR 分析、高通量微生物发酵及动力学分析等。许多企业也搭建了自动化合成生物研究平台，如美国 Amyris、Ginkgo Bioworks、 Zymergen 等。这些生物铸造厂的规模不一，功能大多是帮助研究人员将特定的 基因线路设计自动化装载到活细胞中，并辅以高通量测试。工作流程往往都依 照“设计-构建-测试-学习”的循环来组织，以实现工程化的海量试错。2.3.5 人工智能未来有望赋能人工生命体的设计和预测，缩短合成生物学研 发周期具有海量数据的持续学习能力和在未知空间的智能探索能力的人工智能技术契合 当前合成生物学研发过程中不断试错的过程，未来有望赋能人工生命体的设计和 预测，缩短合成生物学研发周期。最近取得较多关注的人工智能蛋白质结构预测工具 Alphafold2 可以较为准确地预 测所有已知序列的蛋白质结构，这为合成生物学基本元件的研究方面带来了较为 宽广的想象空间。基于 Alphafold2，科学家有望设计出自然界不存在的具有更高 催化效率的或是具有未知催化功能的酶，从而开发出更加高效的代谢线路或是合 成自然界中目前无法生物合成的物质。除了 Alphafold2 之外，人工智能技术在合成生物学领域的应用还取得了一些其他 代表性的进展，但是主要是面向元件功能预测、蛋白结构预测、元件序列设计等 合成生物研究中的某个特定环节，尚不成体系，且适用面较窄，在实际应用过程 中暂时不能明显降低研发环节中试错的时间成本。未来5-15年，随着人工智能技术的优化，以及人工智能在合成生物学领域更加深 入的研究，合成生物学的智能设计与功能预测方面将进一步发展，有望建立成熟 的设计和预测模型，大大提高合成生物学研发的速度。2.4 合成生物学发展受到国内外政策大力扶持国内合成生物学的发展离不开政策支持及学科建设。2006 年，合成生物学研究 首次被列入“863 计划”。2010 年，“973 计划”部署了合成生物学专题研究。2018 年，科技部启动了合成生物学重点专项。近 10 年间，中科院及国内多个高校率 先布局了合成生物学的学科建设。2022 年 5 月 10 日，发改委发布了首部生物经济五年规划《“十四五”生物经济发 展规划》，表明国家对合成生物学学科及产业发展的重视。规划中指出，生物制 造产业是生物经济重点发展方向，提出“依托生物制造技术，实现化工原料和过 程的生物技术替代，发展高性能生物环保材料和生物制剂，推动化工、医药、材 料、轻工等重要工业产品制造与生物技术深度融合，向绿色低碳、无毒低毒、可持续发展模式转型”。大力发展生物制造产业，将助力我国加快构建绿色低碳循 环经济体系，推动生物经济实现高质量发展。2.5 合成生物学从减排和固碳两方面助力碳中和全球气候变化背景下，碳中和是当今国际社会的共识和一致努力的行动目标，碳 中和就是要达到 CO2排放和吸收的平衡，实现碳中和的底层逻辑也是从这两方面 入手，即减少 CO2排放和增加 CO2吸收固定。在减少 CO2排放方面，生物基化学品与传统化工品相比，可以显著降低 CO2排放 量，助力碳中和。而合成生物学为化学品的生物制造提供了技术手段。在《Biobased Chemicals》报告中，IEA energy 估算了未来石油基化工品完全被生物基化 学品替代后可以减少的碳排放量，以己二酸为例，完全使用生物法进行己二酸生 产每年全球可以减少 790 万吨 CO2的排放。另一方面，从促进固碳方面，合成生物学可以通过改造天然碳代谢途径，重构新 型人工碳代谢通路，提高植物或微生物的固碳能力，甚至还能通过微生物的固碳 能力进行生物制造，以 CO2 为原料生产乙醇、脂肪酸等化学品。美国公司 Lanzatech 利用细菌将工业生产过程中排放的二氧化碳、一氧化碳等转化为工业 乙醇用于航空燃料，该技术已在首钢的两家工厂实现商业化。2.6 ESG 投资理念进一步拉升资本市场关注合成生物学ESG 投资是提倡责任投资和弘扬可持续发展的投资方法，具体含义包含环境 （Environmental）、社会责任（Social）和公司治理（Government）。ESG 投资兴起于 20 世纪 60 年代的公众运动。二战结束，世界经济进入了高速发 展时期，生产活动导致环境污染、资源短缺等。在此背景下，欧美兴起了公众环 保运动，抵制生产活动中对社会、环境产生负面影响的企业。由于公众开始偏向 为环保产品买单，企业为了树立企业形象并迎合客户需求，逐步开发绿色产品， 注重生产过程中的环保问题。进入 21 世纪以后，各国政府、国际组织开始逐步标准化 ESG 和可持续投资的定 义，各国企业也逐渐在企业发展规划中融入可持续发展战略，可持续投资逐渐成 为一种趋势。2004 年，联合国环境规划署首次明确提出了 ESG 理念。2008 年，高盛基于 ESG 研究推出了高盛可持续权益资产组合。三、合成生物学风口已至，选品至关重要3.1 合成生物学产业生态覆盖面庞大，发展阶段各有不同合成生物学产业生态覆盖面庞大，不同技术和产业落地方向多元，且都有相当的 市场规模。基于不同公司在合成生物学行业中的作用，可以将整个合成生物学产 业分为大致的上、中、下游。上游是技术型公司，负责使能技术的开发，包括 DNA/RNA 合成、测序、编辑， 以及软件类产品、协助工程化平台构建。生命活动由核酸进行编码和控制。DNA/RNA 的编辑、合成和测序技术是合成生物学产业的基础。目前基因读写技 术类公司基本已经进入低成本竞价阶段，但是相关软件类产品开发公司还处于较 早期阶段。中游是平台型公司，负责对人工生命体进行设计、开发，为传统企业开拓新的价 值领域。目前合成生物学整体发展阶段仍处于较早期，市场规模还不大，对产品 研发的需求并不大，许多下游企业通过与科研机构合作就可以满足生物基产品的 研发需求。而且目前合成生物学在规模放大的产业化过程中仍存在较高失败风险， 也会影响下游企业与平台型公司合作的意愿。仅依靠平台为客户提供研发服务，目前还不足以支撑平台型公司的发展，因此许 多平台型公司将自己的平台技术在具体应用场景中延伸，打造落地产品。国外已有多家代表性平台型公司上市，但是研发服务的盈利模式还未得到完全验 证。随着合成生物学整体市场规模的增长以及相关技术的突破，未来平台型公司 依靠强大的研发能力有望取得较好的发展前景。3.2 多种合成生物学产品已实现产业化，化工领域应用最为成熟目前，合成生物学已广泛应用于化工、医药、食品、农业等领域，其中以化工领 域的应用最为成熟。利用合成生物学生产的化工产品具有降低成本、减少污染等 优势，据中科院天津工业生物技术研究所统计，和石化路线相比，目前生物制造 产品平均节能减排 30％~50％，未来可达到 50％~70％。以 1，3-丙二醇、L-丙氨 酸为代表的化工产品目前已经成功实现了产业化，但也有如 Amyris 的生物燃料、 Zymergen 的 Hyaline 等产品因为选品及放大的失败导致在产业化过程中折戟。合成生物学在医药领域的应用主要是药物中间体/原料药的合成以及人工改造生 命体进行诊疗两大方面。在药物中间体/原料药方面，合成生物学方法可以降低 成本，缓解部分药品因相关植物稀缺导致的供不应求，其中以青蒿素的生物合成最为典型。除了合成药物中间体/原料药之外，合成生物学还可以通过改造细菌、 病毒和人类细胞来达到诊断和治疗的目的，但是目前仍处于研究阶段。合成生物学在农业领域可以应用于微生物固氮、检测土壤有害菌等，因此合成生 物学可以提高农作物产量和营养价值、减少化肥使用，有部分固氮类产品已经商 业化。3.2.1 1，3-丙二醇的生物法合成——产品性能和成本优势带来市场垄断1，3-丙二醇是一种化工产品，主要用作一种关键原料，与对苯二甲酸聚合生产 优异的聚酯材料聚—对苯二甲酸丙二醇酯（PTT），大约 90%左右的 PTT 聚酯用 来生产 PTT 纤维。此外，还有少量 1，3-丙二醇用于化妆品和医药等领域。PTT在 20世纪 40年代就已成功合成，但当时 1，3-丙二醇合成较难且价格昂贵， 工业化生产受到制约。随着 1，3-丙二醇生产技术进步，PTT 在 20 世纪 90 年代 中期实现了商业化。与其他聚酯高分子材料相比，PTT 具有较高的拉伸回弹性、 易于染色性、耐污性以及良好的机械性能等优点，因此被广泛应用于地毯、织布 面料、非织造布等领域。根据 GII 的预测，全球 PTT 市场在未来几年将以 4%的 年复合增长率增长。1，3-丙二醇的生产技术主要有化学法和生物发酵法两种。化学法以德固赛的丙 烯醛水合氢化法和壳牌公司的环氧乙烷羰基化法为代表。由于原料不可再生、生 产过程污染严重、生产成本高等因素，这两家公司当前已经退出 1，3-丙二醇市 场。生物法因为具有反应条件温和、过程绿色无污染、生产成本低、产物易于分离、 合成的 PTT 色泽较化学合成法更好等优点，现在已经成为生产 1，3-丙二醇的主 流工艺，以杜邦的发酵工艺为代表，杜邦在 1，3-丙二醇行业依靠其成本优势、 产品优势处于垄断地位。杜邦以大肠杆菌为底盘，构建了将葡萄糖转化为 1，3-丙二醇的细胞。自然界中 不存在可以直接将葡萄糖转化为 1，3-丙二醇的微生物，但是存在可将甘油转化 为 1，3-丙二醇的微生物，也存在可以将葡萄糖转化为甘油的微生物，将这两种 代谢路径结合起来就可以达到在微生物中将葡萄糖转化为 1，3-丙二醇的目的。大肠杆菌本身可以将葡萄糖转化为甘油，但是产甘油能力很差，于是研究者向细 胞中导入了来自酿酒酵母的GPP2、DAR1，可以较高效率地将葡萄糖的代谢产物 磷酸二羟基丙酮转化为甘油。再将来自肺炎克雷伯菌的 dhaB1、 dhaB2、dhaB3 及其激活因子 dhaBX、 orfX 导入细胞，实现从甘油到 1，3-丙二醇的转化。除此 之外，研究者还敲除了一些限制产量的基因，成功构建出了产量 135g/L 的菌株。目前国内企业也开发了合成生物学方法生产 1，3-丙二醇，多采用甘油发酵法， 相关菌种效率较低、甘油转化水平不高、副产物多，生产成本偏高，难以规模化 生产，且国内 1，3-丙二醇产品质量不佳，在国际市场竞争中优势不足。根据 GII 的报告，全球 1，3 丙二醇的市场规模在 2020 年达到了 4.02 亿美元，并 预计在 2025 年将达到 6.91 亿美元，CAGR11.4%。增长的动力主要来源于 PTT 市 场规模的增长。除此之外，1，3 丙二醇在化妆品、个护、清洁产品领域的市场 拓展也会在 2020-2025 年间保持较快的速度。3.2.2 青蒿酸——合成生物学明星产品，但大规模应用需进一步成本优化青蒿素是从草本植物黄花蒿中提取到的萜类化合物，具有优越的抗疟疾活性。全 球每年大约有 2-3 亿疟疾病例，造成 50-70 万人口死亡，对青蒿素的需求量极大。青蒿主要生长在中国、越南和东非，大多由小农户们生产。青蒿长成需要 8 个月， 成熟之后通过化学提取可以得到青蒿素。受到雨水、气温以及其他环境因素的影 响，不同产地、不同年份青蒿素的单位产量是不同的，而且农户会根据价格情况 去选择是否种植青蒿，导致植物源性青蒿素的供应不稳定，易导致短缺和价格波 动，使得以青蒿素为基础的综合疗法价格居高不下。研究者对化学合成青蒿素进行了多年的探索，但由于青蒿素的化学结构较复杂， 合成方法步骤繁琐，生产成本高，收率低，暂时仍远未达到工业化生产的要求。而 Amyris 利用合成生物学方法改造酿酒酵母，使其生产青蒿素前体—青蒿酸， 而青蒿酸经过比较简单的化学反应就可以生成青蒿素，这种方法叫做半化学合成 法。经过多年改造，青蒿酸的产量提高到了 25g/L。酿酒酵母本身可以通过甲羟戊酸途径将乙酰辅酶 A 转变为法尼基焦磷酸（FPP）， 甲羟戊酸途径是细胞合成类固醇、萜类化合物的途径。研究者们上调了甲羟戊酸 通路上的 ERG10、ERG13、tHMG1、ERG12、ERG8、ERG19、ERG20 等酶，提 高 FPP 的产量。随后，研究者在酿酒酵母中引入了来源于青蒿细胞的 ADS，可 以将 FPP 转变为紫穗槐二烯，接着还引入了同样来源于青蒿细胞的 CYP71AV1、 CPR1、CYB5、ADH1、ALDH1 等基因，逐步合成青蒿醇、青蒿醛和青蒿酸。研 究者还下调了支路途径中 ERG9 的表达，下调了 FPP 向角鲨烯的转化，最终使青 蒿酸产量达到 25 g/L。}