數智賦能融創未來|AI驅動植物代謝與行業創新研討會圓滿召開

　　2026年7月11日，由中國科學院深圳先進技術研究院合成生物學研究所、定量合成生物學全國重點實驗室、深圳合成生物學創新研究院聯合主辦，安捷倫科技（中國）有限公司協辦的“數智賦能 融創未來 | AI驅動植物代謝與行業創新研討會”在深圳隆重舉行。本次會議線上線下同步開啟，聚焦人工智能與合成生物學前沿，圍繞多組學解析、代謝調控、作物育種、中藥創新等方向，采用線上線下結合的方式，匯聚了來自植物代謝、人工智能、農業、中藥與合成生物學等領域的專家學者，共同探討AI賦能植物代謝研究的關鍵技術突破、前沿應用場景及產業轉化價值，為生物農業與中醫藥創新發展注入新動能。

會議現場

開幕致辭

　　本次會議由中國科學院深圳先進技術研究院趙喬研究員主持，中國科學院深圳先進技術研究院合成生物學研究所所長助理羅小舟研究員，安捷倫助理副總裁、大中華區北區南區及渠道整機銷售總經理楊亮分別為本次會議致辭。

中國科學院深圳先進技術研究院 趙喬研究員

中國科學院深圳先進技術研究院合成生物學研究所所長助理 羅小舟 研究員

　　羅小舟指出，AI正推動科研從人力創新驅動邁向智能驅動，其與高通量組學技術的融合大幅縮短了植物代謝途徑解析與酶改造的周期。他強調，植物代謝是自然的分子寶庫，而AI正是開啟該寶庫的鑰匙。未來，多學科交叉融合將為農業可持續發展、生物制造及中藥現代化帶來新機遇。本次會議致力于搭建數據與智能制造的高水平交流平臺，旨在凝聚共識，推動植物代謝研究向智能化、精準化與系統化邁進。

安捷倫助理副總裁、大中華區北區南區及渠道整機銷售總經理 楊亮

　　楊亮在致辭中表示，生命科學正從數據驅動邁向智能驅動，AI與高質量分析數據的深度融合，正在為植物代謝研究打開全新范式。他指出，植物代謝研究在農業可持續發展、天然產物發現及中醫藥現代化等領域具有重要價值。本次大會旨在推動該領域從精準檢測走向智能解析。作為行業重要合作伙伴，安捷倫將持續提供精準的分析技術與完整工作流程，促進分析科學、數據科學與生命科學的深度融合，加速科學發現向產業價值轉化，賦能相關產業高質量發展。

大會報告：聚焦前沿，分享創新成果

　　本次會議設置多個專題報告，重點交流了AI多組學建模與代謝物調控機制、智能作物抗逆育種、中藥活性成分藥效評價，以及植物細胞工廠構建與功能產物開發等前沿技術。與會專家分享了一系列貫通基礎研究、技術創新與行業應用的精彩報告，展示了人工智能與植物代謝交叉領域的最新成果與未來趨勢。

報告人：崖州灣國家實驗室 羅杰 教授

報告題目：代謝組學技術的發展與應用

　　羅杰教授在報告中介紹了其團隊在代謝組學技術研發及應用方面的進展。團隊開發了基于GC-MS和LC-MS的廣泛靶向代謝組學方法，通過特征碎片與窗口分割策略，顯著提升了代謝物定性定量的覆蓋度和靈敏度，有效解析了代謝“暗物質”難題。同時，團隊將AI圖像技術用于質譜峰定量，效果優于商業軟件。羅杰強調，早期AI發展需與傳統研究方法及人工引導深度融合，為植物代謝研究與產業創新提供了新思路。

報告人：上海交通大學 倪俊 副教授

報告題目：光合微生物系統的人工設計與創制

　　倪俊副教授在報告中系統介紹了高效碳與能量轉化光合微生物系統的構建研究。團隊通過引入高效代謝路徑，工程化改造藍細菌，使其直接利用CO?合成白藜蘆醇、苯乙醇等高值產物。針對代謝不匹配問題，創制了基于甘油等通用碳源的高兼容人工光合群落，實現高效負碳生產。為解決產物失活瓶頸，提出光合自養固碳聯合異養細胞催化的解耦策略。此外，團隊開發了“光-無機化學能混動”催化體系及人工多酶復合體理性設計工具iMARS，顯著提升了系統抗污染性、能量轉化效率及產物合成能力。整套技術低碳環保，溫室氣體排放遠低于傳統工藝，為綠色生物制造提供了新范式。

報告人：北京大學 喬雪 教授

報告題目：植物次生代謝網絡與代謝組學

　　喬雪教授介紹了其團隊在植物次生代謝網絡與代謝組學方面最新研究成果。團隊以中藥為研究載體，搭建全二維液相、LC-MS、質譜成像等多套分析體系，集成多組學分析平臺，建立多重篩選策略，快速鑒定甘草、姜黃、黃芩等中藥的新穎次生代謝產物，并解析了燕麥基因簇輔助酶來源及連翹酯苷生物合成網絡。喬雪表示，中藥研究為植物次生代謝提供海量高質量實體化合物與質譜、酶學數據，而高質量數據的積累是推動AI深刻改變代謝研究范式變革的關鍵。

報告人：中國科學院華南植物園 王瑛 教授

報告題目：甘草查爾酮A(LCA)的雙重身份：AI驅動從品質標志到耐鹽防御的調控機制解析

　　王瑛教授團隊通過多組學聯合分析，解析了甘草查爾酮A（LCA）合成中的關鍵酶（CHS）及轉錄因子的調控網絡。進一步利用AI機器學習模型分析鹽脅迫代謝組數據，預測并驗證了LCA可顯著提升甘草幼苗耐鹽性。該研究揭示了LCA的“雙重身份”，為合成生物學與耐鹽育種提供了新思路，也展示了AI在植物代謝研究中的應用潛力。

報告人：深圳生物制造產業創新中心有限公司首席技術官 羅小舟 研究員

報告題目：科學智能驅動生物制造-從AI工具到科研智能體的實踐之路

　　羅小舟研究員在報告中分享了AI驅動生物制造的實踐與成果。團隊構建了“預測-設計-控制”AI研究體系：開發UniKP等大語言模型工具，精準預測kcat、Km等酶學參數，并結合細胞器改造與自動化高通量篩選，高效合成茉莉素等高值產物。同時，團隊正推動從離散工具向科研智能體演進，受AlphaZero啟發，力圖打通數字與物理世界壁壘，打造能自主規劃、執行與迭代的合成生物學AI Agent，現已通過自然語言指令，從頭合成長春花皂苷。產業化方面，依托國家生物制造產業創新中心六大技術平臺，其孵化企業借助AI顯著縮短研發周期，實現角鯊烯量產并打破國際壟斷，完成了從實驗室到產業的全鏈條跨越。

報告人：華南農業大學 祝欽瀧 教授

報告題目：PlantGPT與精準編輯介導的種質創新

　　祝欽瀧教授分享了PlantGPT與精準編輯介導的種質創新成果。其團隊開發了多基因組裝、精準堿基編輯等工具，解決了植物合成生物學通路重構難題；打造PlantGPT智能問答系統，賦能基因功能與代謝通路分析；以水稻為底盤，成功合成花青素、蝦青素等物質，創制優質功能種質。報告強調AI在提升設計精準性、加速元件篩選中的作用，同時指出植物合成生物學需要突破育種周期長、元件匱乏等挑戰。

報告人：浙江大學 徐騰飛 研究員

報告題目：UniTCM：面向中醫藥現代化與國際化的數據整合與智能挖掘平臺

　　徐騰飛研究員指出，中醫藥現代化的核心在于標準化、數據化和系統驗證。針對中藥靶點不清、藥效物質不明等問題，課題組開發了分子靶點鑒定平臺——UniTCM平臺，聯合代謝組學和化學蛋白質組學識別靶點，并構建活性成分調取方法。借助“反向藥理學”思路，推動中藥創新藥研發。UniTCM平臺涵蓋語義鏈接與機制鏈接兩大模塊，并以烏頭湯為例解析風濕性關節炎機制、優化處方。未來計劃開源經典名方數據，助力中醫藥現代化發展。

報告人：廣州中醫藥大學/橫琴實驗室 靳紅磊 教授

報告題目：藥用植物活性成分的環境調控

　　靳紅磊教授在報告中指出，光溫信號是影響中藥材道地性與次生代謝產物積累的關鍵環境因素。其團隊以鐵皮石斛、穿心蓮等南藥為對象，利用質譜成像等技術，揭示了光信號轉錄因子協同調控石斛花青素與多糖合成，以及光溫經水楊酸、茉莉酸途徑誘導穿心蓮內酯積累的分子機制，為“辨色論質”提供了科學依據。未來，團隊將聚焦表觀遺傳與轉錄后修飾調控，推動種質改良與臨床藥性評價的精準對接，助力中藥產業高質量發展。

報告人：養生堂有限公司人工智能應用研究部 曾梓碩 博士

報告題目：AI賦能植物體內酶的定向進化

　　曾梓碩博士團隊利用人工智能技術，推進了植物體內酶的定向進化研究。項目依托AI對多組關鍵酶進行改造，目標是培育可在夜間自主發光的植物。研究綜合運用序列比對、結構比對及蛋白質語言模型等策略，開展酶挖掘與進化。針對酶進化中序列空間巨大和超長蛋白難以預測的難題，團隊引入基于ESM-1v等大模型的零樣本預測方法，并結合Domain截斷策略加以應對。同時，通過微生物高通量篩選與植物驗證相結合，顯著提升了酶的活性和發光強度。該工作為AI在合成生物學與植物代謝工程中的應用提供了實踐參考。

報告人：安捷倫科技 黃岱詠 液質應用專家

報告題目：植物代謝組學新范式：從智能精準鑒定到空間分布解析

　　黃岱詠指出，植物基質復雜、成分定性困難、空間分布不明是行業核心痛點。對此，安捷倫推出全套數智化方案：多維液相色譜降低基質干擾；MassPrism軟件自動完成數據清洗與統計建模，實現樣品溯源與摻假鑒別；MassNexus系統整合多數據庫，智能注釋化合物，高效解析天然產物；聯動全自動脂質衍生設備，精細解析脂質雙鍵位置。同時，升級DESI質譜成像，借助紫外輔助電離提升弱極性物質靈敏度，實現植物組織活性成分原位可視化。整套體系以AI自動化替代人工分析，覆蓋從代謝物鑒定到空間分布全流程。

前沿論壇：凝聚共識，展望發展方向

　　精彩報告后，與會專家圍繞五大核心議題開展深度研討：一是 AI 如何切實提升植物代謝物鑒定能力；二是 AI 賦能中醫藥研究的方式，以及該領域有望率先取得突破的方向；三是 AI 應用于植物代謝研究最具價值的研究方向；四是 AI 與現有質譜等技術如何助力新化合物從發現到產業化的全流程；五是現階段 AI 賦能植物代謝領域存在的核心技術瓶頸。專家們系統梳理了技術路徑、應用前景與面臨的挑戰。

圓桌論壇現場

　　在代謝物鑒定方面，專家認為AI可通過大數據挖掘潛在規律，結合天然產物化學基礎數據與跨學科合作，大幅提升未知代謝物的鑒定效率；在中醫藥領域，AI最有望在中藥材智能鑒定、育種端定向進化篩選，以及基于多成分群的中藥藥性量化評價體系上率先實現突破；在大模型應用層面，現階段其最具價值的貢獻在于跨學科知識整合，但生物學終極判斷仍不可替代，構建大規模標準化植物代謝多組學數據集成為最緊迫基礎工程；在生物制造全鏈條中，質譜技術作為"眼睛"負責高通量掃描代謝空間，AI作為"導航圖"預測目標區域，二者協同正將傳統"大海撈針"式篩選轉變為高效定向捕撈，未來"自主設計-自動實驗-實時反饋"的智能化閉環有望大幅縮短研發周期。

　　論壇最后，專家凝練當前AI賦能植物代謝領域研究最大技術瓶頸集中于數據標準化、復合型人才短缺、動態代謝數據采集機制不足及產業數據共享壁壘，呼吁打破學科與行業圍墻，構建開放共贏的融合生態，以真正實現AI賦能植物代謝的范式革新。

　　當前，人工智能技術正快速滲透生命科學各細分領域，深刻顛覆傳統科研范式。植物代謝研究正處于智能化變革的關鍵窗口期。依托大數據、機器學習與深度學習算法，代謝組學、基因組、轉錄組等多維生物數據得以高效整合、智能挖掘與精準預測，逐步突破了以往依賴人工逐條解析和低效實驗試錯的科研瓶頸。這一技術躍遷不僅為作物改良、天然藥物開發、合成生物制造等產業賽道開辟了全新路徑，也推動植物代謝研究邁向智能化、精準化的新階段。在此背景下，本次研討會應勢召開，為行業交流合作搭建了重要平臺，對推動相關領域高質量發展具有重要意義。