医药知识问答_医药基本知识_医药类知识_医药知识库_医药知识大全-摩熵文库（原药融文库）

你们做的无细胞蛋白合成与多酶体系做的有什么区别？

崔金辉

无细胞

蛋白合成

多酶体系

2023-05-05

我们公司做的无细胞蛋白表达系统，相对来说，是无细胞系统里更小的领域，它本质上也是一种多酶体系。张教授刚才提到的多酶体系，可能相对来说纯一点，就是把这些酶提取出来，通过固定化方式，构建一种体外的代谢途径，成分相对来说比较单一。那我们蛋白合成的无细胞蛋白表达系统，我们是基于一种细胞抽提物的无细胞蛋白表达系统，相当于它是一个更复杂的无细胞系统，就是把细胞先给养出来，把细胞给破碎掉，我不进行任何的后续生物分离纯化，直接用细胞的裂解液去做蛋白的合成。

利用秸秆里面的纤维素合成淀粉，你们这个合成淀粉的目标成本值是多少？这个合成淀粉的应用有哪些？

张以恒

合成淀粉

2023-05-05

其实我们一开头做的淀粉有两种可能性，最大宗的应用是做饲料淀粉，也就这个价格一定比普通的粮食淀粉便宜，我们的目标值实际就是2500人民币每公斤，很便宜，现在的玉米淀粉差不多3000人民币一公斤。

所以我做的是一个低质量的淀粉，这个淀粉是和微生物蛋白混合在一起，我不做分离，这样就可以直接取代很多饲料中用的淀粉，比如在猪饲料、鸡饲料里使用，生物质原料本来就是很复杂的，所以在这个过程中我们不需要花钱去做很多分离，因为只要这些东西对饲料无害，就可行，这是一个超低端的应用。

其实在淀粉领域里还有一个超高端应用，就是制造合成自然界不存在的淀粉，性质和植物淀粉是不一样的，比如做药物分离。我们和苏州纳微科技合作，他们要做一个手性药物分离，需要一种特殊的淀粉，而且他们试了很多淀粉，植物淀粉、合成淀粉和我们的淀粉，只有我们的淀粉能做手性药物分离，而且分离得最好，他们愿意花3万人民币买一公斤淀粉，也就是售价是普通淀粉的一万倍以上，这种需求存在的。

总体来说，合成淀粉有两个应用，一个是做饲料等低端应用，很便宜，比现在的玉米淀粉还便宜。另一个是做高端，做自然界淀粉做不了的。其实第三个应用就是在未来最有用的，就是做储能材料，二氧化碳加氢或加电能做成储能淀粉，需要的时候释放出电能，然后驱动汽车。在这个场景的时候，其实这个淀粉的售价它可以比传统的粮食淀粉要贵几倍，相对于汽油来说，用户是可以接受高价的。

您这个均相催化的定点偶联技术和酶促偶联的技术最终达成的效果是异曲同工的吗？

黄金昆

生物医学

定点偶联

酶促偶联

2023-04-28

肯定会有差别。比如化学催化的手段和酶催化的手段是不一样的，酶催化更多的是生物合成的现象，他对局部的认知会更加有个性化，那么化学催化，在大部分情况下，它对底物的识别没有那么精准，所以更加具有普遍性。

你认为AI在整个制药行业的链条当中，在哪个节点上最能起到作用的？

常珊

制药行业

AI技术

2023-04-28

你必须给AI的条件是比较具体的，什么时候是不太确定的，比如到了细胞，再到了体内，再到了人体，他这些环境影响的因素越来越不确定，所以为什么我们药物研发阶段越到后面失败率越高，就是因为你前面感觉很确定的问题，到了后面各种因素都不是你可控的，在这些不可控的因素，你又没有数据的情况下，你让GPT去做一个准确的判断是非常困难的，所以在越前端问题越明确，它越有可能给出一个准确的答案。越到后面不确定越多，他越很难给你一个准确合理的回答，我觉得越到后面越困难。

生物医学很多文献都是有一连串的前提条件下才能成立的，我们大规模的医疗数据怎么才能标准化能够给AI学习？AI还需要提升到什么程度，才能具备思考能力？

常珊

AI新药开发

AI辅助

2023-04-28

首先数据非常重要，其实GPT在训练的时候，它刚开始从网上获取很多数据的时候，假如不做甄别的情况下，学习了很多各种各样的资料，这个效果不一定好，因为那个数据是没有经过强化学习的，而强化学习的时候实际上是open AI公司花了很多的钱去做了数据非常重要标注的，包括它的数据，什么样的答案比其他答案要好，它有个排序的，然后用这样的数据再去做强化学习，对它的参数进行了微调以后，才让它的模型慢慢地变成跟我们人类的思维更接近，或者它更会考虑我们人的判断，让他的回答更像人，所以我觉得数据肯定需要我们做很关键甄别的。

所以当你把GPT这种大模型应用到医学方向上去的时候，其实你的数据是要做这个领域上的强化学习，让它变得更适应于你这个领域风格的回答，或者更适应于你觉得这个领域理解的回答，我觉得这是需要的，因为少不了强化学习，如果GPT不做强化学习，它也达不到我们现在感觉它像人的这种程度。