基础化工行业事件点评报告：AI有望推动合成生物学和农药领域加速发展

　　近日发布的DeepSeek-R1 模型依靠出色的性能和低成本优势，有助于推动下游应用需求的增长，我们认为在基础化工领域，AI 技术的赋能有望带来合成生物学和农药创新药两个方向的快速发展。
　　AI+合成生物学：合成生物学是采用工程科学的研究理念，对生物体进行有目的的理性设计、改造乃至重新合成，创建具有特定功能的人工生物体系。
　　其工程学的本质体现在“自下而上”的工程学策略，沿着元件标准化-模块构建-基因线路的设计与构建的运作模式实现对微生物的编程。因此，从产业链的角度来看，合成生物学的上游技术核心就是针对前端菌株的设计与制备，围绕“设计-构建-测试-学习”的循环路径生产高效的目标菌株。在这个过程中，人工智能辅助酶分子改造，可以通过数据驱动方式构建序列/结构-酶性能的预测模型，依据预测模型挑选优良突变体，从而大幅提高酶分子改造效率。合成生物的菌株设计可分为四个环节：
　　1）首先在设计环节，通过对生物数据高通量筛选，从庞大的数据库或者生物元件库快速精准地找到目标元件，从而实现细胞的理性设计；2）其次在构建、测试环节，通过自动化平台设备和工艺流程进行高通量的组装和测试，从而实现模块化、标准化的构建，并且借助机器学习技术强化DBTL 循环，加速设计周期。
　　3）最后在学习环节，通过对基因的测试反馈，总结优化算法，提升数据搜集和处理分析的能力，从而进一步夯实数据壁垒。因此人工智能的自我学习和迭代天然适配于合成生物学，机器深度学习能够更加高效地处理复杂且高度非线性的大数据，使得预测结果更加准确。
　　AI+农药创新药：人工智能在农药创制领域的应用可以加速新药研发进程，降低成本并提高效率。农药创制药的研发周期长、投入高，统计显示创制一个全新农药，平均需要合成并筛选约16 万个不同的化合物，花费平均约2.86 亿美元，从首次合成到最终化合物登记上市平均花费约12 年，而在绿色农药研发成本中，约70%集中在先导发现和风险评价上。因此，利用人工智能技术可以通过分析植物或者病原体的蛋白质组数据，预测关键代谢路径中的潜在靶标，从而提升新药创制效率。亦或者是基于AI 构建毒理学预测平台，从而实现对于环境和生态风险的评估，进而缩短新药创制周期。目前全球农药巨头正积极布局人工智能领域，如先正达近期宣布与人工智能公司TraitSeq 合作，利用AI 技术识别植物细胞状态，开发高性能的生物刺激剂，从而增强养分利用效率。
　　投资建议：1）在合成生物学领域建议关注有前端菌株设计技术储备和产业化放大经验的华恒生物、梅花生物、凯赛生物、星湖科技；2）在农药创新药领域建议关注具有自主创新药专利，具备原药研发能力的扬农化工、先达股份、江山股份、利民股份。
　　风险提示：产业趋势发展不及预期；技术研发不及预期；产品及原材料价格大幅波动；下游需求不及预期的风险
【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。

   【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。

【广告】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。邮箱：news_center@staff.hexun.com