Imperagen 用 AI 同量子模擬加速酶工程

酶（enzyme）其實係全球好多工業同製藥流程嘅核心工具。由藥物合成到食品加工，再到綠色化學製造，都離唔開呢類生物催化劑。但設計一個性能理想嘅酶，長期以來都係一件慢而且成本高嘅事。

英國曼徹斯特（Manchester）生物科技初創 Imperagen 想改變呢個情況。公司正建立一個數碼化平台，將 量子物理模擬、人工智能模型同高度自動化實驗室 整合起來，加速酶工程研發。最近 Imperagen 完成 500 萬英鎊（£5m）種子輪融資，由 PXN Ventures 領投，同時任命 Guy Levy‑Yurista, PhD 為新任 CEO，希望把技術擴展到更大規模商業應用。

點解酶工程一直都咁慢？

酶係一種生物催化劑，可以令化學反應更精準、更乾淨，亦往往比傳統化學催化更節能。呢個特性令佢喺製藥、精細化工同可持續製造中愈來愈重要。

問題係：設計新酶通常要靠大量試錯。

科學家通常會：

• 對酶序列進行隨機或半隨機突變
• 製造成千上萬個變體
• 再逐個喺實驗室測試性能

呢個流程可能要幾個月甚至幾年，而且消耗大量實驗資源。

Imperagen 嘅「Digital Enzyme Evolution」平台

Imperagen 將整個流程數碼化，稱為 Digital Enzyme Evolution（數碼酶進化）。平台把 AI、物理建模同實驗室自動化整合成一個統一系統。

核心概念係一個持續循環嘅 design‑build‑test‑learn（設計‑建構‑測試‑學習）閉環。

1. 量子物理模擬

第一步係用物理模型預測酶喺分子層面嘅行為。

透過量子力學（quantum mechanics）模擬，研究人員可以在真正做實驗之前就預測：

• 酶結構
• 反應機制
• 分子動態

咁就可以先篩選出最有希望嘅突變策略，減少需要實際測試嘅酶變體數量。

2. AI 模型預測突變

之後，平台會用 機器學習模型 分析實驗數據，預測邊啲序列改動最可能提升性能。

AI 會嘗試找出酶結構中嘅 「hotspot」位置，即係稍為改動就可能帶來大幅改善嘅區域，例如：

• 催化效率
• 穩定性
• 反應選擇性
• 工業生產可行性

每一次實驗產生嘅數據都會再用嚟訓練模型，令預測能力逐步提升。

3. 自動化閉環實驗

當 AI 提出新設計後，機械人實驗室會自動完成：

• DNA 構建
• 蛋白表達
• 酶性能測試

測試結果會直接回傳到計算模型，形成一個 自動化閉環優化系統，可以快速迭代酶設計。

為何多個產業都關注酶工程

酶之所以重要，是因為它們是很多工業流程中的 生物催化劑（biocatalysts）。

製藥產業

喺藥物製造過程中，優化嘅酶可以：

• 提供更精準嘅化學反應
• 減少副產物
• 簡化複雜分子嘅合成流程

Imperagen 的技術最初亦集中在 大型分子藥物研發同生物催化劑設計。

工業生物科技與綠色化學

酶亦愈來愈多被用來取代傳統化學催化劑。

如果設計到更高效嘅酶，可以幫助工業流程：

• 降低能源消耗
• 減少原材料使用
• 減少污染副產品

潛在應用包括精細化學品、個人護理原料同可持續製造。

食品、生物燃料與農業

同一套酶設計技術亦可能應用喺：

• 食品加工與配料製造
• 利用植物生物質生產生物燃料
• 農業生物科技

例如設計能夠承受高溫、極端 pH 或低成本原料嘅酶。不過目前公開資料對 Imperagen 在這些市場的具體商業部署仍然不多。

500 萬英鎊融資與新 CEO

Imperagen 最近完成 £5 million 種子輪融資，由 PXN Ventures 領投，現有投資者 IQ Capital 同 Northern Gritstone 亦有參與。

公司表示資金將用於：

• 擴展量子物理與 AI 建模能力
• 建設更多自動化實驗室基礎設施
• 推動商業合作與客戶項目

同時，公司亦任命 Guy Levy‑Yurista, PhD 為 CEO，負責帶領公司進入下一階段增長。

TechBio 的一個縮影

Imperagen 其實代表一個快速崛起嘅新領域：TechBio。

呢類公司嘗試將三樣嘢融合：

• 高性能計算與模擬
• AI 預測模型
• 高度自動化生物實驗室

目標係將原本靠經驗同試錯嘅生物研究流程，變成 可預測、可工程化嘅數據系統。

不過，目前關於平台速度提升、成本下降或成功率提升嘅公開獨立數據仍然有限，大部分資訊仍然來自公司公告。如果呢類平台最終證明可以大規模運作，酶工程嘅研發速度可能會被大幅改寫。