夏建業(yè)，田錫煒，劉 娟，莊英萍

(1.華東理工大學生物反應器工程國家重點實驗室，上海200237；2.武漢大學計算機學院，湖北武漢430072)

生物制造相較于傳統(tǒng)制造具有綠色、環(huán)境友好等顯著優(yōu)勢，正成為推動社會經濟可持續(xù)發(fā)展的重要方向，被廣泛用于包括生物材料、生物能源、生物肥料、大健康產品、精細化學品、食品、醫(yī)藥、衛(wèi)生等諸多領域[1]，在其應用過程中形成了大量的數據，包括組學數據、過程在線數據等，然而由于人類對微生物細胞調控規(guī)律以及發(fā)酵過程規(guī)律認識的局限性，對這些數據的分析挖掘不充分，極大限制了整個生物制造產業(yè)的跨越發(fā)展。

隨著合成生物學、系統(tǒng)生物學的發(fā)展，微生物細胞生命過程的組學數據得到大量積累；同時，過程檢測技術的進步，也促使生物過程中的在線數據急劇增加。這些數據的積累呈爆炸式增長，為探究微生物細胞內細胞生命過程的調控規(guī)律、實現生物過程的智能化提供了大數據基礎。

進入大數據時代，數據就是價值，數據中蘊含知識的理念深入人心。我們無時無刻不生活于大數據中，每天用的搜索引擎、購物網站，甚至使用的輸入法等都生成大量的數據，隨之而來的基于大數據的機器學習以及由此產生的人工智能，顯著提高了工作效率。輸入法可以快速識別并預測后續(xù)輸入內容，搜索引擎甚至在沒寫全主題詞時，就已經預測好搜索內容列表以供選擇。由此帶來的便捷可改善我們的生活，提高我們的效率。生物制造也面臨步入智能制造時代，然而，到底如何利用生物制造過程的大數據，如何通過機器學習提高制造效率、提高產品質量等依然并不明朗。

本文中，筆者試圖從機器學習的基本概念入手，結合生物制造過程的特點，綜述目前我們在朝向智能生物制造的路上，走在什么位置，可能的發(fā)展方向，并提出一些意見和建議，以此拋磚引玉，希望更多的人關注并投身該領域，促進智能生物制造的發(fā)展。

1 人工智能簡介

1.1 人工智能基本概念

“人工智能(artificial intelligence)”一詞最初是在1956 年Dartmouth會議上提出的。從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之擴展。維基百科對人工智能的定義[2]：“人工智能，亦稱機器智能，它不同于人類自身的自然智能，是指由人類制造出來的機器所表現出來的智能”。Russell等[3]則在他們的經典教材《Artificial Intelligence》中將人工智能歸納為“像人一樣合理地思考，像人一樣合理地行動”。Kaplan等[4]的定義則更加具體，“人工智能是系統(tǒng)能夠正確解釋外部數據，能從這些數據中學習，并靈活利用所學來實現特定的目標和任務的能力”。

具體而言，人工智能定義包括兩個部分，即“人工”和“智能”。人工智能概念的核心是如何理解“智能”。“智能”本身就是一個抽象而復雜的概念。Howard Gardner在1983年提出多元智能理論，指出人類的智能是多元化而非單一的，主要是由語言智能、數學邏輯智能、空間智能、身體運動智能、音樂智能、人際智能、自我認知智能、自然認知智能八項組成，每個人都擁有不同的智能優(yōu)勢組合[5]。綜合而言，人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門技術科學。它試圖了解智能的實質，并生產出一種能夠以人類智能相似的方式作出反應的智能機器。人工智能被列為計算機科學的一個分支，其基礎涉及多個學科，包括信息科學、數學、物理學、認知科學、哲學、經濟學、神經科學、心理學、語言學和控制論等[3]?？梢钥闯觯斯ぶ悄軐嶋H上是一門多學科廣泛交叉的學科，隨著各類大數據的積累，以深度學習為代表的機器學習算法的提出和計算機硬件的飛速發(fā)展，人工智能已在很多領域展現出了非常振奮人心的進展。

人工智能大體可以分成弱人工智能、強人工智能和超人工智能三類。弱人工智能只用于解決特定的具體問題，多采用統(tǒng)計數據，并從中歸納出模型用以預測應用，如谷歌的AlphaGo。由于弱人工智能僅能處理較為單一的問題，且發(fā)展程度并沒有達到模擬人腦思維的程度，所以弱人工智能仍屬于“工具”范疇，與傳統(tǒng)的“產品”在本質上并無區(qū)別。強人工智能則是能達到人類智能級別的人工智能。與弱人工智能不同，強人工智能可以像人類一樣應對不同層面的問題，能夠進行思考、計劃、解決問題、具有抽象思維、可以理解復雜理念、并從經驗中學習。在強人工智能階段，由于已經可以比肩人類，同時也具備了具有“人格”的基本條件，機器可以像人類一樣獨立思考和決策。超人工智能則是在幾乎所有領域都比最聰明的人類大腦聰明很多，包括科學創(chuàng)新、通識和社交技能。此階段的人工智能已經不是人類可以理解和想象。強人工智能將打破人腦受到的維度限制，其所觀察和思考的內容，人腦已經無法理解，人工智能將形成一個新的社會?，F階段，由于很多機制還未被完全挖掘，很多理論和技術有待突破，人工智能水平尚處于弱人工智能階段。

1.2 人工智能相關技術

目前，數據、算力和算法是驅動人工智能發(fā)展三大支撐要素，缺一不可。算法是人工智能的核心，算法的不斷迭代和更新，促進人工智能及其生態(tài)的不斷發(fā)展；數據是人工智能的基石，數據用來訓練算法，只有具備了大量的數據資源，人工智能才可能有好的發(fā)展，沒有數據，再好的算法也很難進行有效升級；算力是人工智能落地應用的根本保障，算力提速刺激很多領域進行革新，這些革新反過來又驅動數據和算法的持續(xù)提升。算法、數據、算力相互促進。圍繞上述三個方面，人工智能技術涵蓋以提供軟、硬件平臺和設施為主要目的的云計算/存儲、分布式存儲、大數據、邊緣計算、人工智能框架、信息安全、智能芯片、GPU/FPGA加速芯片等相關技術；以數據獲取和初步處理為目標的信息檢索、智能感知等技術；以數據精度解析為目標的自然語言處理、圖像處理、視頻處理、音頻處理、語音識別等技術；以智能模型建立為目標的特征工程及機器學習算法等。其中，機器學習專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。不難看出，機器學習是實現人工智能的根本途徑。

根據采用的學習策略的不同，機器學習一般可以分為有監(jiān)督學習、無監(jiān)督學習和強化學習三大類。為了應對一些應用領域中有標簽數據獲取成本較高的問題，機器學習研究領域發(fā)展了半監(jiān)督學習，遷移學習等策略。為了解決數據孤島及數據隱私和數據安全問題，聯邦學習也成為當前機器學習的新框架。深度學習(deep learning)是機器學習領域中伴隨深度神經網絡及相關算法的發(fā)展而迅速發(fā)展的一個分支。深度學習是對人類大腦的工作方式的模擬，是利用深度神經網絡來解決特征表達的一種學習過程。深度神經網絡本身并非是一個全新的概念，可理解為包含多個隱含層的神經網絡結構，其目的在于建立、模擬人腦進行分析學習的神經網絡，模仿人腦的機制來解釋數據，實現諸如智能導航、智能安防、智能醫(yī)療等人工智能應用。

1.3 利用機器學習獲得“智能”

“人工智能是什么？當下主要指機器學習，所謂機器學習就是把智能形式化為數學公式，并轉換成計算機可以操作的算法和軟件”這是中國科學院院士、西安交通大學徐宗本教授2019年在中國人工智能大會的報告《AI與數學：融通共進》中對機器學習與智能的精辟闡述。我們把機器學習如何通過大數據的訓練學習獲得所謂智能的過程用圖1來概括，從中可見所謂機器學習獲得的“智能”就是通過數據訓練獲得的模型，而這個模型可以針對具體的輸入數據來預測可能的輸出，就像它在思考一樣，因此看上去是有了智能。相信2016年在與人類頂級棋手開展的世紀對決中，AlphaGo展現出的精湛棋藝，使“機器真的具有了超人類的智能”這樣一個觀念深入人心。而這精湛棋藝背后的“智能”實際上就是利用了人類歷史幾乎所有的棋局基礎上訓練出來的機器學習模型，而該模型的預測能力已經超過人類棋手。我們真的進入到人工智能的時代。如何利用這一技術為生物制造服務將是今后一個重要的研究方向。

圖1 機器學習通過大數據訓練獲得“智能”的過程Fig.1 Process of machine learning obtaining "intelligence" through big data training

2 人工智能在合成生物學中的應用

2.1 合成生物學背景下的高性能菌種設計

合成生物學的發(fā)展已經達到一個新的高度，CRISPR/Cas等基因編輯技術極大地拓展了我們改造微生物的效率，使得工程化DNA分子，生物大分子、小分子的基因線路調控，外源途徑的插入等改造更加高效。然而，由于微生物細胞代謝的復雜性，這些改造的結果具有各種各樣的不可預測性，這就催生了高通量篩選技術，通過“暴力”手段，不斷經歷反復的試錯實驗，利用高通量的辦法在更短時間內來篩選出具有優(yōu)良性能的菌種。該技術路線進而演化為Design-Build-Test-Learn(DBTL)[6]這樣一個循環(huán)概念(圖2)，通過反復經歷該循環(huán)，利用多輪篩選最終獲得高性能菌種。然而，合成生物學構建的高性能菌種要想獲得產業(yè)化應用，必須經歷大量的實驗摸索，這導致開發(fā)成本的顯著提升，限制最終產品的產業(yè)化。

圖2 合成生物學里的DBTL循環(huán)Fig.2 DBTL cycle of synthetic biology

這種生命過程的不可預測性，一方面來自于我們對生命過程認識的局限性，另一方面不可否認的是大量過程數據的缺失。這些數據包括細胞在調控內部代謝的過程中各種生物學參數是如何變化的，其中存在怎樣的規(guī)律等等，這些曾被大量研究，但形成的知識還不足以構建可預測基因改造結果的軟件，因此，需要開發(fā)相應的檢測技術以便自動化獲得標準化的工具，從而為構建基于數據的預測模型奠定基礎。

2.2 人工智能與DBTL循環(huán)的完美結合

在工程技術領域總結出的DBTL循環(huán)[6]在合成生物學里得到了很好的應用，該方法的應用極大地促進了人類改造菌種用于天然或非天然產物大量合成技術的發(fā)展。然而，多輪的DBTL循環(huán)意味著大量的資源、人力物力的投入，使得相應技術路線的開發(fā)成本也大大提升。為了減少循環(huán)次數，節(jié)約成本，Carbonell等[7]提出了自動化的DBTL循環(huán)概念并在大腸桿菌改造生產天然產物類黃酮中進行應用，他們利用開發(fā)的外源途徑酶選擇工具RetroPath[8-9]和Selenzyme[10]進行途徑酶的自動化選擇，之后再利用部件選擇程序PartsGenie[11]自動化選擇合適的部件，結合試驗設計(DoE)方法將設計空間縮小，并利用自動化DNA部件組裝[12]自動實現已選擇部件的組裝，同時生成標準化的標注并自動提交數據庫，以便后續(xù)數據分析。利用組裝部件進行大腸桿菌的構建，自動在96孔板培養(yǎng)平臺進行培養(yǎng)，結束后自動送入超高效液相色譜-串聯四級桿質譜(UPLC-MS/MS)系統(tǒng)檢測目標產物[7]。在此過程中形成的數據由編制的R腳本進行自動化分析與處理，大大提高了DBTL每一輪循環(huán)的篩出率，從而節(jié)約大量成本，最終產物量提高了500倍。這充分展示了自動化、標準化DBTL實驗平臺對提高效率降低成本方面的巨大潛力。

在以上的案例中我們看到在實現合成生物學的DBTL的每一個環(huán)節(jié)都涉及大量的數據，而且這些數據形成的變量空間非常大，靠傳統(tǒng)的基于小樣本的統(tǒng)計推斷方法已經無法滿足要求，也嚴重限制了知識獲取及再利用的效率。這也就給依賴于大量數據的機器學習尤其是深度學習發(fā)展應用的空間，表1總結了近些年來在Design、Build、Test、Learn的各個環(huán)節(jié)中機器學習的應用情況。為了實現工程生物學真正成為推動生物經濟學發(fā)展的原動力，美國工程生物學聯盟結合80位領域專家的意見，經過多輪研討于2019年6月制定的工程生物學路線圖中重點指出，未來發(fā)展基于多組學數據和機器學習的DBTL循環(huán)支持系統(tǒng)是關鍵環(huán)節(jié)[13]。要實現這一目標，需要滿足一些先決條件，即用于機器學習的數據需滿足：找得到(findable)、可獲取(accessible)、能共通(interoperable)、可重用(reusable)即FAIR原則。要獲取關于FAIR原則的更多信息可以參考Wilkinson等[14]的文章。

3 人工智能在生物過程工程中的應用

合成生物學自提出便得到快速發(fā)展，并有望成為推動生物制造支撐的生物經濟發(fā)展的主動力。然而我們也必須意識到，在實現實驗室高性能菌種工業(yè)化生產的過程中，合成生物學所面臨的挑戰(zhàn)就是生物過程的放大難題。在劍橋咨詢公司組織的一次合成生物學專項研討會形成的會議報告[32]中指出，填補實驗室規(guī)模到工業(yè)規(guī)模生產的放大難題將是合成生物學面臨的一個主要挑戰(zhàn)。

實驗室規(guī)模反應器與工業(yè)規(guī)模反應器內流場的差異是導致生物過程放大的一個主要外因，而其內因則在于微生物細胞對外界環(huán)境擾動下的復雜代謝調控響應的非線性特征，因此導致很難預測生物過程放大過程的結果。而這種復雜的非線性特性也使得基于數據驅動的各種人工智能技術獲得突出表現。其實，早在20世紀80年代，人工智能浪潮發(fā)展的初期，就有了大量利用人工神經網絡、支持向量機、模糊編程、專家系統(tǒng)等人工智能在生物過程優(yōu)化與控制中的應用，但受到在線數據匱乏、算法存在局限性并未獲得大量成功應用。然而，當前逐漸興起的機器學習、深度學習再度燃起生物過程優(yōu)化與控制智能化應用的熱情。

表1 合成生物學DBTL各環(huán)節(jié)中人工智能的應用情況

rs—底物消耗速率；rN—氮源消耗速率；rpre—前體消耗速率；rpro—產物生成速率；rH+—酸生成速率；rx—細胞生長速率；OUR—攝氧率；CER—CO2釋放率；μ—比生長速率圖3 在生物反應器中進行的細胞培養(yǎng)過程涉及復雜的變量系統(tǒng)Fig.3 Complex variable system involved in cell culture in bioreactor

3.1 生物過程的多參數在線檢測及多尺度理論

過程深度學習的基礎是廣泛大量的在線數據，筆者所在的國家生化工程技術研究中心(上海)研究團隊，經過幾十年的積累，形成了一套基于在線多參數檢測系統(tǒng)的過程多參數相關性分析技術及多尺度微生物過程優(yōu)化理論[33]。

生物反應器中進行的生物過程存在兩個不同尺度上的復雜性，第一個是細胞尺度上細胞對外界環(huán)境響應的復雜代謝特性；第二個是反應器內處于湍流狀態(tài)流動的復雜性，包括混合、傳質、傳熱等的復雜傳遞特性?？偨Y來說，細胞反應過程是在基因表達、細胞代謝、反應器操作等多個尺度下多輸入、多輸出的復雜系統(tǒng)?？偨Y生物反應器中進行的生物過程涉及的變量可歸納，如圖3所示。圖3中展示的變量可分成兩類：一類為操作變量、一類為狀態(tài)變量，也可分為細胞生理特性變量和環(huán)境變量。生物過程放大的困難就來自于這些變量之間復雜的非線性關系，而機器學習可以從復雜的非線性關系中發(fā)現規(guī)律，從而有可能成為解決過程優(yōu)化放大的有效工具。

在生物過程優(yōu)化與放大中實施多尺度研究方法包括五個關鍵步驟[33]：①系統(tǒng)簡化。②數據采集系統(tǒng)收集過程變量數據。③數據驅動型研究。④子過程分析。⑤各子過程之間量化關系及跨尺度觀察。經過以上5個關鍵步驟可實現基于細胞代謝流分析與控制為核心的多尺度研究方法。其中，提到數據采集系統(tǒng)及數據驅動型研究即是基于過程大數據的人工智能研究的雛形。

實施生物過程參數的在線檢測與在線參數的獲取是實現生物過程大數據的前提。筆者所在課題組在此方面進行了大量研究與積累，在生物反應器上實現了除溶氧(DO)、pH、溫度、壓力和液位等常規(guī)參數外的多個參數的在線測量，開發(fā)了在線活細胞傳感器[34]、在線紅外檢測[35]、在線電子鼻[36]和在線尾氣質譜[37]等多種可用于生物反應器在線檢測的儀器設備，實現了實時在線細胞量、在線尾氣O2、尾氣CO2、揮發(fā)性中間代謝物濃度及在線葡萄糖濃度等多種參數的在線實時采集?；谶@些實時在線采集的參數進行了多個產品的發(fā)酵過程優(yōu)化與放大[38]。在實施生物過程多尺度優(yōu)化技術的過程中，逐漸意識到生物過程的數據，尤其是在線數據中含有過程中最大量的信息，對這些數據進行分析整理對生物過程的優(yōu)化放大具有十分重要的意義。通過大量在線檢測設備的應用，逐漸形成了不同生物過程的在線大數據系統(tǒng)，如何開發(fā)并利用這一寶貴資源變得十分迫切和重要。

3.2 傳統(tǒng)與現代人工智能技術在生物過程優(yōu)化與控制中的應用

早在20世紀八九十年代，各種傳統(tǒng)人工智能的技術就在生物過程優(yōu)化與控制中開展了大量研究[39],包括人工神經網絡在發(fā)酵過程狀態(tài)估計[40]及過程優(yōu)化[41]；利用基于規(guī)則的專家系統(tǒng)進行酒精連續(xù)發(fā)酵系統(tǒng)的設計[42]；模糊理論建模用于發(fā)酵過程的自動化控制[43]等。這些傳統(tǒng)的人工智能技術在推動工業(yè)生物過程自動化智能化方面起到了積極的作用，即使在近些年仍有研究者對其應用進行研究[44]。Yu等[45]將貝葉斯推斷與兩級支持向量機結合實現批培養(yǎng)發(fā)酵的軟件傳感器，利用該軟件傳感器成功實現在線菌濃、在線底物、在線產物青霉素濃度的預測。二十世紀末期，傳統(tǒng)人工神經網絡開始在生物過程優(yōu)化與控制中受到重視，并不斷取得進步。Aysnsley等[46]對此做了綜述，文中提出了基于知識實時的生物過程調控方法，形成了一套基于實時知識系統(tǒng)，即生物過程控制指導與分析的軟件平臺(Bio-SCAN)，利用該系統(tǒng)，可以實時模擬、預測、統(tǒng)計推斷和生物反應器狀態(tài)分析等功能。旨在提供一種通用的生物過程指導和控制助手，實現類似人類的智能化。這是早期應用傳統(tǒng)人工智能的一個典型代表。

圖4 近十年每年機器學習在生物過程研究中的 文章數量(2019-12-15)Fig.4 The number of articles on machine learning in biological process research in recent ten years

近些年隨著生物過程大數據的積累以及信息技術領域大數據技術的進步，逐漸出現以機器學習為代表的現代人工智能在發(fā)酵過程中的應用。Wu等[47]就利用機器學習的方法從100篇穩(wěn)定性同位素13C代謝流分析的文獻出發(fā)，形成了一個可以根據給定的生產菌種、碳源種類、溶氧條件、細胞生長速率等預測胞內代謝流分布的算法。同一個課題組的Oyetunde等[29]在2019年以多于100篇涉及基因工程改造大腸桿菌的文獻數據為基礎構建機器學習模型，用于預測影響產率、得率及速率的關鍵基因水平擾動或環(huán)境參數改變下的值，取得了較好效果。Petsagkourakis等[48]利用強化學習對批發(fā)酵過程進行優(yōu)化，提出了策略梯度方法，通過利用循環(huán)神經網絡利用批與批之間的差異更新控制策略的參數，并展現了3個成功案例。圖4顯示了谷歌學術以“Bioprocess Machine Learning”為關鍵詞統(tǒng)計近十年的每年相關文章發(fā)表量。可見，十年來利用機器學習進行生物過程研究的文獻報道逐年增多。

4 展望

智能生物制造是生物經濟發(fā)展的大趨勢，雖然目前還沒有從實質上進入智能生物制造的時代，但是相關技術理論的不斷提出，正在加快其實用化的步伐。目前已經有智能微生物工程[49]的提法，該思路基于對基因線路、基因調控知識的認知、基因工程組件等預測能力的不斷提升，希望通過系統(tǒng)的微生物改造工程實現微生物細胞對外界環(huán)境智能感知，并調控相應的代謝網絡使其朝向期望的方向。合成生物學DBTL各個階段通過人工智能獲取的“智能”模型可以為智能微生物工程提供設計工具，加快微生物細胞的智能化。

另一方面，隨著生物過程在線傳感技術的不斷發(fā)展，越來越多的過程在線傳感系統(tǒng)應用不斷被開發(fā)，生物過程數據已初步具備大數據特征?；诖诉\用人工智能的機器學習，從數據中獲取深層的知識，實現生物過程的智能感知，并在此基礎上形成智能決策與控制，將實現生物制造過程的跨越式發(fā)展，真正達到智能生物制造的高度。

如今，我國已率先啟動5G商業(yè)化，未來萬物互聯時代的到來也為生物過程在線傳感的聯網，基于在線傳感的無線互聯，人工智能軟件系統(tǒng)實時獲取數據并進行智能化學習和決策控制，實現更大層次上對整個生產車間甚至是企業(yè)整個生產流程上的智能感知與控制，將極大地促進生物經濟對實體經濟的推動作用。