最近我们做的一些东西推进地相对快一点，比如甘露醇，甘露醇其实是缓解脑颅内压的一个原料药，而且是大输液用的，量还挺大，全球一年大概就10万吨左右，生产有一半是在国内，大家冬天吃柿饼的时候，上面白白那一层就是甘露醇，大家可能有时候去菜市场买海带，海带上面渗出白色的，也是甘露醇。

 

最早的时候甘露醇是从海带里水解生产的，二十年以前罗盖特最早做的，他们是用化工加氢的方式把果糖变成甘露醇，但这里面会产生大量的副产物，其实是山梨醇，山梨醇是很便宜的醇，所以我们整体来看，大概有百分之六七十的比例变成了山梨醇，因此它的生产成本还是比较高的。

 

到目前为止，国内所有的生产厂家还都是用化工加氢做甘露醇这个项目，我们当时就想能不能用合成生物的方式做，学术圈里文章倒是发了不少，但是真正做到量产的很少，因为这里面需要的一些辅酶和辅因子成本都非常贵。我们开发的技术就不依赖这些，另外我们的酶包括关键的途径也是经过特殊的设计，当然这里边也用了一些人工智能工具，做酶的定向进化或者是设计改进筛选。现在我们甘露醇在河南我们股东的工厂已经生产出来了，今年卖了大概有上百吨。但是它是做药的，食品上用的少，而药还得走法规，因为生产工艺变了。

 

其实我们最近精力比较多的是放到阿洛酮糖上了，我们私底下都叫它无花果糖，因为无花果干里含量比较高。它其实在十几年前FDA已经批准使用，在全球范围内应该有十三四个国家已经许可使用了。现在它量其实也不大，应该是小几万吨的用量，主要原因就是太贵了，现在的价格可能要卖3万以上，但是像白砂糖才六七千的水平，赤藓糖醇也就2万以内，所以它太贵了就导致在很多应用场景上用不起来。它跟赤藓糖醇还不一样，赤藓糖醇只能在饮料上用，阿洛酮糖是一个六碳真正的糖，它跟我们吃的果糖、葡萄糖还有蔗糖的单体其实是完全一样的，所以它的理化特性决定了能够替代果葡糖浆，还有白砂糖的市场。

 

那我们当时也是看到，因为大家都是用酶转化做，用果糖做原料，果糖本来就贵，而且转化率还低，最高的得率也就30%上下，所以是两个同分异构体分离，分的话就要反复地浓缩和过工业色谱，这里边就产生大量的能耗，能源的成本和相关的操作成本其实是非常高的。

其实在整个生物制造领域，像柠檬酸，味精成本能降到七八千，主要就因为他们的生产方式不是像这种生产，而是纯发酵，所以我们当时也是想做一个发酵的技术来生产阿洛酮糖，现在我们能做到150g/L以上的水平，转化率也在60%以上。

目前通过合成生物学技术在底盘，现在比较通用的底盘就是大肠杆菌和毕氏酵母，像大肠杆菌是原核，现在我们市面上流传的重组胶原蛋白，一般都是人来源的，人其实是真核，如果真核来源的蛋白要在原核系统里面表达，再让它形成三螺旋，这一点其实是很难的。我们聚源用的是毕氏酵母系统，毕氏酵母其实是真核细胞，相对来说它蛋白表达后翻译的修饰系统，这些都是要强于大肠杆菌系统的。比如三螺旋最显著的特征就是GXY的重复，那我们的XY主要是脯氨酸，脯氨酸羟基化有助于三螺旋的形成和结构的稳定，那至于羟基化在酵母系统里面其实也是比较随机的翻译后修饰，所以总的来说要形成三螺旋结构的重组胶原蛋白，其实在业界还是公认的一个难点。大家都还在朝着这个方向努力。

胶原蛋白是动物体内含量比较高的一类蛋白质，大概占到人体总蛋白大概有30%以上。另外它也是我们细胞外机制的主要成分。其实我们平时说到的胶原蛋白基础概念还是比较笼统的，但从我们研究一线来看，胶原蛋白目前研究报道大概有28种型别，我们在市场上接触比较多的是1型和3型，平时女性提到比较多的是随着年龄的增长，胶原蛋白会不断地流失，流失的这类蛋胶原蛋白也是3型胶原蛋白，它又被称为婴儿胶原，也就是它在成人的真皮中是不能被合成的，因此我们就需要外援的，或者是从我们的护肤品或者口服补给到我们的体内。

 

重组胶原蛋白可以通过我们合成生物学技术来生产，主要是通过选择我们想要生产的型别，比如我们要生产1型，那我们就选择编码一型对应的基因序列，将这段基因序列通过DNA重组技术，整合到我们特定的底盘细胞来生成重组胶原蛋白。

我们公司最开始起名叫虫捕头，想的就是用古时候抓坏人是捕头，那我们是抓虫子的，所以就叫虫捕头。那么我们的核心技术是基于昆虫信息素，简单的理解就是通过食色性也的方式来吸引害虫，取食交配等等进行绿色防控。从专业的角度来说，昆虫信息素一般是在昆虫性成熟之后由特定的腺体释放到体外，吸引同种异性的个体进行交配活动的一类化学微量元素物质统称为昆虫信息素，利用昆虫信息素进行害虫的测报，包括绿色防治，在国内外目前都有越来越广泛的应用，因为它具有专一性，高效性和环保等一些特点，它也被称为第三代农药。

 

在十四五全国农业的科技发展规划当中，也明确提出要把昆虫信息素产业化，同时昆虫信息素技术也被全国农技中心列为主推绿色防控的技术，未来的前景也是非常广阔的。目前在昆虫信息素合成方面主要还是使用化学农药。其实我们也是看到合成生物学近几年迅速的升温，我们圈内的一些同行，包括科研部门，他们也在进行合成生物学的一些应用和探索。

有两个模型是我比较关注的，一个微观的模型，因为我们过去其实从计算的角度分析的时候，还是需要一个蛋白的结构，同时需要一个口袋的位置，而且往往是通过小分子活性确定口袋的位置。

 

实际上有一个最新的技术潮流，就是我直接建模序列，比如蛋白序列和另外一种分子，包括小分子、蛋白、核酸的相互作用，相互关系。如果这个模型取得突破性进展的话，那人体任何一个蛋白只要有序列，小分子进到体内和这个靶点发生结合我可以做，同时我们可以考虑它的脱靶或者毒副作用，我可以看这个小分子进到体内和人体那么多的蛋白能不能发挥作用。

 

第二个是宏观模型，就是我们怎么样构建疾病和靶点这个大的模型，过去用知识图谱做，但是我自己觉得这里边的信息密度还是用得太少了。我看到的是组学数据现在得到的越来越多，它有点像GPT里的图像，同时我们有语言模型，就像我们读了所有领域里的书籍论文，包括一些实验的结论数据，实际上蕴含着人类的知识，我们能不能把它构建一个多模态的模型？GPT-4其实在图像和文本的联用上已经做得非常好了，那么我们生命科学里有没有可能构建类似于这样一个多模态的模型？如果构建出来之后，其结合了底层的组学数据，又结合了上层的语言，这是我自己比较期待的一个模型。