酵素(enzyme)是許多產業不可或缺的生物催化劑,從藥物合成到食品加工,再到更環保的化學製造,都依賴它們來加速化學反應。然而,設計出更好的酵素長期以來一直是一項緩慢且不確定的工作。
英國曼徹斯特生技新創 Imperagen 正試圖改變這一點。公司正在打造一個結合 量子物理模擬、人工智慧模型與高度自動化實驗室 的平台,希望把傳統依賴大量試錯的酵素工程流程,轉變為更快速、可預測的數位化工程流程。最近完成的 500 萬英鎊種子輪融資(由 PXN Ventures 領投),以及 Guy Levy‑Yurista 博士出任 CEO,正是為了將這套技術擴展到商業應用階段。
酵素本質上是能催化化學反應的蛋白質,在醫藥製造、食品產業與永續化學製程中都扮演關鍵角色。與傳統化學催化劑相比,它們往往能在更溫和的條件下進行反應,並具有更高的選擇性。
問題在於:設計出理想性能的酵素非常困難。
傳統方法通常依賴「定向演化」或類似流程:
這種方式高度依賴試錯,不但耗時數月甚至數年,也需要大量實驗資源。
Imperagen 將其方法稱為 Digital Enzyme Evolution(數位酵素演化)。核心概念是把酵素工程的每一步——設計、建構、測試與學習——整合到一個數位化與自動化的系統中。
整體流程形成一個持續迭代的 閉環(closed loop)設計流程。
第一步是使用基於物理的分子模擬。
透過量子力學計算,可以在實驗之前模擬酵素的:
這些模擬能預測不同突變可能如何影響酵素功能,從而大幅縮小需要在實驗室測試的候選數量。
接著,平台利用 機器學習模型分析酵素序列與實驗數據。
這些模型會尋找蛋白質中的 「hotspots」——也就是那些只要改變少數氨基酸,就可能大幅提升性能的位置,例如:
由於 AI 會持續從每一輪實驗數據中學習,其預測能力會隨時間改善。
當模型提出新的酵素設計後,機器人實驗系統會自動完成:
測試結果會直接回饋到 AI 與模擬系統中,形成一個持續學習的 設計—建構—測試—學習(DBTL)循環。
理論上,這能大幅提高酵素優化速度。
酵素被廣泛用作 生物催化劑(biocatalysts),因此更好的酵素可能影響多個產業。
在藥物製造中,優化的酵素可以讓複雜分子的合成更乾淨、更精準,可能減少反應步驟與化學廢棄物。
Imperagen 的早期技術發展,部分就針對 大型分子藥物開發與生物催化劑設計。
許多工業化學製程正逐漸用酵素替代傳統化學催化劑。
更高效的酵素可能帶來:
同樣的設計技術也可能應用於其他依賴酵素的產業,例如:
例如,更耐高溫或耐嚴苛環境的酵素,能讓工業流程效率更高或使用更便宜的原料。不過,目前公開資料對 Imperagen 在這些市場的實際部署仍描述有限。
Imperagen 最近完成 500 萬英鎊種子融資,由 PXN Ventures 領投,既有投資人 IQ Capital 與 Northern Gritstone 也參與其中。
公司表示,資金將用於:
同時,公司任命 Guy Levy‑Yurista 博士為 CEO。這位科技與生命科學產業高管曾參與多次企業退出與深科技公司擴張,被期待帶領 Imperagen 進入商業化階段。
Imperagen 屬於快速興起的 TechBio(科技+生技)公司類型——把計算科學、AI 與自動化生物實驗室整合在一起。
核心理念是:
讓每一次實驗都變成數據,並讓 AI 從中學習。
如果這類平台成功擴展,酵素工程可能從高度依賴經驗與試錯的研究活動,轉變為一種 更像工程學的資料驅動流程。
目前仍有一個現實限制:關於速度提升、成本降低或成功率改善的具體數據,大多來自公司或投資公告,公開的獨立性能比較仍然有限。但如果這種平台在產業規模上證明可行,它可能會顯著加快製藥、化學與工業生技產品的開發速度。
Studio Global AI
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
Imperagen 開發「數位酵素演化」平台,結合量子物理模擬、AI 蛋白質設計與機器人實驗室,加速酵素工程,取代傳統大量試錯流程。
Imperagen 開發「數位酵素演化」平台,結合量子物理模擬、AI 蛋白質設計與機器人實驗室,加速酵素工程,取代傳統大量試錯流程。 平台採用閉環設計—建構—測試—學習流程:模擬預測酵素行為、AI 找出最佳突變位置、機器人實驗室測試並回饋數據訓練模型。
更高效的酵素可能降低製藥與化學製程的成本與廢棄物,也可應用於食品、農業與生質燃料等產業,但目前公開的獨立性能評測仍有限。