2023年3月15日，哈佛醫學院在《Nature》雜誌上發表的研究顯示，利用合成生物學技術生產藥物或其他物質時可以避免病毒汙染帶來的巨大損失。近年來，伴隨著底層使能技術的突破和工業化研究平臺的助力，合成生物學應用場景正不斷多元，醫療、工業、食品、醫美等領域市場化產品已率先實現落地。
合成生物學深度融合了分子和細胞生物學、工程學、生物化學和資訊科技等多個尖端技術，透過工程化的方法編碼基因、改造生物，重構並新建出更加符合產業化的新型生物系統，集可持續、低成本等諸多優勢於一體，被認為是“DNA雙螺旋結構”和“基因組技術”之後的第三次生物科技革命。目前，合成生物學正處於產業化的關鍵階段，產品種類迅速增加，新產品驗證和對傳統化學法的替代並行，將可能為人類面臨的醫療、能源和環境等重大問題提供全新的解決方案。
發展環境
支援政策頻出，我國合成生物產業迎發展新機遇
早在2006 年和2010年，合成生物學專題研究便分別被列入我國“863 計劃”和“973 計劃”。近年來，國家愈發重視合成生物學發展，正逐步加強頂層戰略規劃，並做出發展底層技術研究和產業化規模應用的宏觀部署。“十三五”期間，合成生物學作為戰略前瞻性重大科學問題和前沿共性生物技術被寫入《“十三五”生物技術創新專項規劃》；國家衛健委提出促進生物技術大力發展，支援建設合成生物學技術創新中心的各項細則，彰顯了合成生物技術在引領生物技術創新中的重要地位；進入2021年以來，北京、深圳、上海等地方政府陸續將合成生物學列為發展規劃的重點關注領域，推動底層技術發展，構建創新技術平臺；2022年5月，國家發展改革委印發的《“十四五”生物經濟發展規劃》則作為綱領性檔案，提出包括合成生物學在內的生物經濟是未來中國經濟轉型的新動力，表明國家對合成生物學學科及產業發展的重視以及推動合成生物學技術成果落地的決心。
“白箱”+“黑箱”雙重模式推動合成生物學理性設計能力加速突破
理性設計能力有限一直是合成生物學的技術痛點，現階段，合成生物學正透過“白箱”+“黑箱”雙重模式加速突破這一困境。一方面， 白箱代表知識驅動，合成生物學基因測序與合成、基因編輯、計算機軟體設計、菌種培育和篩選、產品分離純化等底層使能技術不斷進步，帶來了DNA測序合成通量和菌株開發設計能力大幅改善。另一方面，黑箱理論則藉助於自動化實驗平臺產生的大量生物學資料，支援機器學習，透過人工智慧輔助為廠商提供基於微生物菌株的解決方案。近年來，研究人員提出了“設計-合成-測試-學習”（DBTL）理念，構建了大規模的基因元件、線路、系統試錯的標準化實驗手段，並引入自動化和高通量硬體設施構建了生物鑄造廠，提高了生物實驗物件、方法、技術的標準化和模組化水平，有效提升了理性設計合成生命體的能力。
發展現狀
產業鏈剖析：
上游基礎層提供技術賦能，中游平臺層進行生物體設計改造，下游應用層企業則打通了從基因編輯到產品落地的合成生物學全產業鏈，側重規模化生產。據創業邦睿獸分析資料，現階段，我國合成生物學關聯企業共有925家，包括基礎層企業441家（佔47.68%），平臺層企業54家（佔5.84%），應用層企業430家（佔46.48%）。其中，合成生物學平臺層和應用層相輔相成，企業間界限並不清晰。應用層企業為避免過度依賴單一產品，通常建立研發平臺以加速多個產品管線落地；而平臺型企業早期透過向客戶提供細胞程式設計服務來獲取收入，盈利空間十分有限，待業務規模和融資規模擴大後，同樣可以基於自身研發創新能力向下遊應用層延伸以實現商業閉環，將利潤最大化。
上游基礎層負責使能技術的開發，包括 DNA/RNA 合成、測序、編輯，是合成生物學發展的基礎。現階段，基因測序、編輯技術發展迅速，檢測時間和單位成本大幅下降，而基因合成技術逐步走向高通量和精準合成，底層技術的成熟引領行業從實驗室進入商業化階段。
中游平臺層主要由合成生物平臺型企業構成，透過軟體工程、生化工具、基因工程、自動化平臺、機器學習與資料科學、程式碼庫等技術，打通“設計－構建－測試－學習（DBTL）”的迴圈迭代，建立生物體設計與軟體開發的整合化平臺，解決基因編輯、產品服務商業化落地的問題。該型別企業產品多為代加工為主，部分平臺型企業則在打造高通量、自動化生物工程平臺的同時向下遊孵化產品。例如，恩和生物依託自動化技術平臺Bota Freeway加速開發可替代傳統石油基的生物基產品；合曜生物搭建以獨特的非模式生物自動化改造技術為核心的三大技術平臺，擴充了多條化妝品與創新食品原料管線。
下游應用層負責研發和生產生物基產品，探索高效的生物合成方法。該型別企業既有合成生物學技術儲備，又有市場化產品落地，現階段應用場景以醫療、工業、食品、醫美為主。
市場規模：應用場景逐漸多元，醫療領域呈現爆發式增長
隨著底層使能技術的突破和基礎研究的深入，在工業化研究平臺的助力下，合成生物學正向醫療、化工、能源、食品、消費、農業等眾多領域進行延伸，部分國內外企業已初步實現“從1到N”，整體市場規模呈現爆發式增長。根據CB insights資料，2021年全球合成生物市場規模達到736.93億美元，較2020年增長767.5%。從細分賽道來看，醫療是佔比最大的領域，2021年市場規模達到687.24億美元，佔比超過93%。據麥肯錫預測，2030-2040年期間，合成生物學每年在醫療健康方面潛在影響將達到0.5至1.2萬億美元，最終有望解決全球疾病總負擔的45%。
發展展望
合成生物學從減排+固碳兩方面推動“雙碳“目標達成
合成生物學制造過程利用生物資源在細胞工廠內進行物質轉化，透過系統性的設計和改造，可實現碳元素的閉環迴圈，兼具綠色環保與降本增效優勢，從減排和固碳兩方面助力“碳達峰”、“碳中和”的實現。WWF預估，2030年合成生物技術的廣泛應用可每年降低10億噸至25億噸二氧化碳排放。
一方面，相較於傳統化工生產工藝，生物基化學品可以顯著降低 CO₂排放量，而合成生物學為化學品的生物製造提供了技術手段。據中科院天工所統計，目前合成生物製造產品平均節能減排30％-50％，未來潛力將達到50％-70％。例如，透過合成生物技術生產1,3-丙二醇用於多種藥物、新型聚酯PTT、醫藥中間體及新型抗氧劑的合成，可實現二氧化碳減排63%；而一根PHA製造的吸管比PP吸管碳排放低180g，全生命週期碳排放量可降低90%以上。另一方面，合成生物學能夠對自然的碳代謝路徑進行改良，重組出一種新的人工碳代謝路徑，從而增強了植物和微生物的固碳能力。此外，透過合成生物學和代謝工程的手段對藍藻等自養微生物進行改造還可實現以CO₂ 為原料生產乙醇、乙酸、丙酮、丁醇、乳酸等化學品，如美國公司Lanzatech利用細菌將工業生產過程中排放的CO₂、CO等轉化為工業乙醇用於航空燃料的技術已在首鋼的兩家工廠實現商業化。
AI+合成生物學深度融合，全面賦能“設計-合成-測試-學習”全流程
近年來，人工智慧技術快速發展，其基於海量資料的持續學習能力和在未知空間的智慧探索能力有效契合了當前合成生物學工程化試錯平臺的需求，是實現生物工程可預測的重要途徑，在複雜生物特徵的挖掘與生命系統的設計方面具備巨大潛力。未來，隨著各種組學與定量生物學實驗資料的縱深積累、計算機運算力與輔助設計能力的同步提升，人工智慧應用於合成生物學“設計-合成-測試-學習”各環節的程式將得到飛速發展，其中涉及到的前沿技術包括逆合成演算法預測生物合成途徑、透過蛋白質結構預測和設計、代謝網路的智慧最佳化等。
