“合成生物学是将依赖石油的制造基础转向以生物质和细胞工厂为中心的技术,未来将成为改变原料、工艺、供应链系统等产业与社会运行系统(OS)的主角。”
被视为日本合成生物学领域权威的神户大学名誉教授近藤昭彦,在最近接受Seoul Economic Daily书面采访时如此表示,他将合成生物学界定为不仅是单纯的生物技术,而是将改变医药、材料、食品、能源等整个产业生产方式的基础技术。
近藤教授是持续参与Synplogen、Bio Palette、Bacchus Bio innovation等日本合成生物学初创企业创业的研究者。他在神户大学研究利用生物质生产生物燃料、化工原料、生物可降解塑料,以及合成生物学、生物铸造厂等,目前担任Bacchus Bio innovation代表董事社长兼首席执行官(CEO)。
近藤教授关注合成生物学,是在他专注于通过微生物发酵进行物质生产研究的时期。当时的生物生产在很大程度上依赖熟练者的经验与直觉,在稳定实现高效率生产方面存在局限。他解释道:“过去的研究很大程度上依赖熟练者的经验与直觉,我感到了局限”,“我发现了通过计算科学设计代谢路径、以合成方式创造生物功能的合成生物学的可能性。”
其背景是基因组解析技术的高速化与低成本化。随着生物数据爆发式积累,超越观察和改良生命现象的层面,计算并设计所需功能的路径成为可能。近藤教授预期,若该技术得到发展,人类所需的各种物质将可以用可再生资源生物质而非化石资源来制造。他强调:“合成生物学将成为向可持续社会转型的基础。”
合成生物学已在新药开发与基因治疗领域被迅速应用。但近藤教授将未来10年变化最大的产业锁定为“生物材料”。他预测,通过合成生物学技术,以可再生资源为原料的新材料将接连出现,产业化速度也将加快。他表示:“在去塑料化与碳中和的全球潮流中,制造业的根基本身将转向生物基,发生范式转变。”
数据积累是加速合成生物学技术进步的源泉。近藤教授预计:“今后将以人工智能(AI)进行设计、机器人自动执行实验、再由AI分析所得数据的自主研发平台为主流。”此时生物产业的竞争力取决于能多快、多精确地运转“DBTL(Design-Build-Test-Learn)循环”。DBTL是设计、制造、验证、再学习的合成生物学核心开发过程。随着机器人自动化实验积累标准化数据,AI的设计精度提高,又带来更好的实验结果,形成良性循环。
但近藤教授认为,要让优秀的研究延伸为企业和产业,仅靠技术实力并不足够。他表示:“要把基础研究连接到产业,最需要的是超越技术实力的、‘想用这项技术解决社会问题、把世界改变得更好’的强烈意志。”他解释说,实验室成果走向市场需要大量失败与时间,因此坚持推动社会落地的问题意识与事业化意志十分重要。
不过仅凭个别研究者与初创企业的意志存在局限。近藤教授要求公共基础设施与民间企业,尤其是大企业的角色发生转变。合成生物学若像传统生物研究那样只长期改良特定微生物或酶,难以提速。需要由AI设计、机器人实验、积累标准化数据、再由AI学习的结构。这正是实验室的设计能力、自动化设备与数据基础设施、材料与制药、化工企业的需求必须共同连接起来的原因。
近藤教授尤其强调大企业的“开放式创新转型”。大学与初创企业拥有独创技术和快速实验能力,大企业拥有资本、生产设备、质量管理和市场渠道。他解释说,只有通过公共与民间生物铸造厂将两者连接,合成生物学研究才不会止步于论文或实验室成果,而能延伸为实际的新药、生物材料、食品和化工原料。他表示:“如今是大企业若只执着于自主开发就难以引发创新的时代”,“应转向把公共与民间生物铸造厂积极用作自身扩展实验室、并与外部初创企业联动以大幅提升开发速度的思维方式。”






