年，对于罗小舟博士来说是特殊的一年。这一年，罗小舟完成了其在加州大学伯克利分校的博士后研究，回国正式加入深圳先进院合成生物学研究所，任职研究员；同样也是在这一年，罗小舟作为合伙人之一筹备的“森瑞斯生物”在深圳正式成立，目前，该公司已经成为深圳合成生物学创新研究院重点孵化公司。
创新与创业，学术界与产业界，合成生物学领域两种不同的身份交汇在了罗小舟身上，而这也是深圳先进院合成所正在践行探索的新模式——“楼上创新，楼下创业”。
罗小舟告诉生辉SynBio说：“在学术界和产业界的工作方式不同、工作目标也不一样。学术界需要做的是发掘研究创新的、前沿的难点，而产业界更多的是以产品市场为导向，使用已有的技术尽快打通管线。”
图丨罗小舟研究员与JayKeasling院士（来源：LuoLab）
罗小舟研究员，年毕业于南洋理工大学，年取得美国斯克里普斯研究所的化学博士学位，导师是PeterG.Schultz院士。在随后的加州大学伯克利分校博士后研究期间，罗小舟成功打通了大麻素的生物全合成通路并登上Nature，合作导师为合成生物学先驱JayKeasling院士。
目前，在学术研究的开展与产业技术的转化上，罗小舟研究员以合成生物学的元件工程为基础，交叉融合了机器学习与自动化，围绕的主线方向是“天然产物及其非天然类似物的生物合成”。
1
让微生物“酿造”天然药物
“课题组目前的研究是以天然产物和非天然产物为主线，更侧重的是天然产物的非天然衍生物。”在谈到研究方向时，罗小舟这样说道。
天然产物，指的是可以从自然界中动植物等身上提取出的分子，最典型的就是青蒿素和大麻素；当这些天然分子经过一些修饰，就能成为在自然界中找不到的非天然的衍生物。
提及用微生物合成的天然产物，“青蒿素”便是一个绕不开的话题。年，在盖茨基金会赞助下，JayKeasling教授和合成生物学公司Amyris合作，一同攻关青蒿素在微生物中合成路径。
经过了近十年的努力，项目终于在年取得了重大的突破：成功实现了青蒿素的半合成工艺。该半合成工艺先通过酵母发酵生成青蒿素前体青蒿酸，之后再通过化学反应最终获得青蒿素。而在构建微生物合成那一步背后的技术，正是合成生物学。
图丨左侧为微生物发酵通路，右侧为化学反应流程（来源：Nature）
青蒿素半合成工艺的出现，解决了传统植物提取青蒿素中所存在的来源少、周期长、过程复杂以及成本高等各种问题。虽然这一进展并非完全通过微生物合成，但是已然是合成生物学在天然产物研究上的经典范例，成功登上了当时的Nature并实现了产业化。
与之类似的，在其它天然产物及其非天然衍生物的研究应用中，合成生物学也有着无限的可能与潜力。而罗小舟，正是这个细分方向上潜力的挖掘者。
2
机器学习辅助开发工程元件
“为了实现这一大方向上的目标。目前组内主要分成三个方向，分别是：元件工程、机器学习和自动化，这三者之间相辅相成，又互相交叉。”罗小舟说道。
首先是合成生物学的基石——元件工程，其旨在标准化、模块化地开发一些元件，这些元件可能是某个基因，可能是某种酶，也可能是某种通用设计。
罗小舟研究员在加入合成所后的第一项工作，便是在元件工程上的。在该研究中，课题组针对酵母之中一些天然启动子所存在的局限，开发优化了一系列的启动子元件。
这一研究，为改造酵母改造提供了更好更优的启动子元件，也丰富了合成生物学中的元件库。而在这项元件工程研究的背后，帮助设计和预测的法宝正是——机器学习。
合成生物学作为一个高度交叉的学科，计算与建模也是其及其重要的部分。而不断发展完善的机器学习和AI，已然成为现今合成生物研究之中不可或缺的辅助工具，在代谢通路预测、酶的定向进化及实验数据挖掘等方面上，机器学习都有广泛的应用。
而罗小舟课题组在机器学习上，有着两方面的工作：一方面是使用机器学习辅助开展合成生物学上的研究；而另一方面则是从机器学习更底层的编码方式上着手，希望融入生物学信息和化学信息，开发出更适用于合成生物学的高效编码方式。
在此，罗小舟以氨基酸作为例子展开说道：“原理上的开发，就比如现在机器学习的概念中的onehot编码，其认为的每一个氨基酸几乎是一样的，虽然通过训练得到学习获得一些性质，但这无疑加大了学习难度。因此，我们希望在编码上就告诉电脑：他们是有差别的。”
图丨onehot编码（来源：CSDN）
最后是在自动化上的工作，从事过生物实验的读者应该知道这一过程是重复、枯燥且冗长的，而自动化的目标，便是希望将生物实验转化成为流水线般的生产，从而将人工从重复性的实验中解放出来。此外，自动化的系统还能够从事大规模、高通量的菌株筛选，而这一点正是人工所无法实现的。
目前，罗小舟课题组聚焦的方面有两个：链霉菌的自动化和酵母的自动化。在进度上，罗小舟向生辉SynBio透露说道：“基于合成所在建的大设施，目前已经实现了：事先在电脑上设计好菌株，然后在轻微人工干预下，自动化设施便能将其构建出来。”
图丨合成生物大设施自动化功能岛（来源：sciencenet）
“这其中，机器学习是技术、元件工程是目标、自动化是手段。比如使用自动化设施进行酶的定向进化，这个过程中会产生一堆大数据，然后通过机器学习使用这些大数据，又能进一步提高酶的进化效率。”罗小舟总结说道。
元件工程、机器学习与自动化相辅相成，共同建构起的研究体系在推动着实验室在“天然产物及其非天然衍生物”上的研究。
罗小舟告诉生辉SynBio，目前课题组在大方向上有着几个具体着力点：继续研究大麻素一类的天然产物；开发基于萜类通路一些非天然产物；结合自动化和机器学习对萜类通路的再开发，比如寻找萜类前体DMAPP和IPP的新通路；此外，也在探索一些其它有价值的天然产物（非萜类）。
3
定位是合成生物学平台型企业
在萜类通路大麻素上的研究工作，已经不仅仅停留实验室的层面了，当我们翻开森瑞斯生物的专利页面，一则关于“酿酒酵母高产大麻萜酚”的发明专利便印入了眼帘。
图丨一种高产大麻萜酚的酿酒酵母菌株及其构建方法和应用（来源：CNIPA）
通过摘要可以得知，该专利利用合成生物学，在酿酒酵母之中插入了2，4二羟基戊苯合成酶（TKS）和2,4二羟基戊苯酸合成酶（OAC），之后再通过调控拷贝数、平衡代谢流量，最终实现大麻萜酚的高产。
罗小舟告诉生辉SynBio：“大麻素萜类通路是森瑞斯生物在推进落地的一个方向，目前也已经申请了一些专利。此外，我们还有在开发推进其他一些高附加值产品管线，我们的定位是合成生物学平台型的企业。”
据
转载请注明地址:http://www.1xbbk.net/jwbys/4891.html
