编辑/凯霞
机器学习可以促进基于藻类的生物制剂生产吗？
8 月 11 日，西雅图生物技术初创公司 Lumen Bioscience （以下简称「Lumen」）与谷歌宣布合作，将利用机器学习来推进基于螺旋藻（一种蓝绿藻）的药物开发。
Lumen 表示，该研究由 Lumen 的信息学负责人 Caitlin Gamble 和谷歌加速科学工程师 Drew Bryant 领导。
Lumen 联合创始人 Jim Roberts 说：「谷歌的机器学习和我们基于螺旋藻疗法生产的开创性结合，让我们更接近于一种完全优化的方法，这种方法可能对全球毁灭性疾病产生重大影响。」
同日，两家公司合作的论文以《Machine Learning Optimization of Photosynthetic Microbe Cultivation and Recombinant Protein Production》 发表在生物学预印本网站 bioRxiv 上，详细介绍了使用机器学习通过贝叶斯黑盒优化来提高螺旋藻的生产力。研究表明，在机器学习的参与下，螺旋藻生产蛋白质的能力加倍。
Lumen 联合创始人 Jim Roberts 表示，该研究论文是「第一篇描述人工智能技术在生物制剂制造中的应用」。
Lumen 在藻类中制造蛋白质。螺旋藻就像一个小生物反应器，可以产生大量的候选治疗蛋白。该制造系统比通常用于制造生物制剂的人体细胞的工业规模制造设施便宜得多。
Lumen 的方法能够「以传统批量发酵技术成本的一小部分，快速、低成本地大规模生产新的生物药物」。
谷歌支持的机器学习研究得到了 Bill & Melinda Gates 基金会的部分支持，预计将提供一种方法来「缩短生产力，改进过程」，该过程需要数年时间才能生产旧的生物制造平台，其中包括酵母、大肠杆菌和 CHO 细胞。
Lumen 的生物制造系统「非常简单」，只需要水和简单的矿物盐。然而，该公司表示，鉴于潜在的巨大交互变量，机器学习的使用是必要的。
除了与谷歌的合作之外，Lumen 还宣布它从能源部获得了 200 万美元的赠款，以进一步开发这些研究成果。这些资金将支持「ACCESS CARBON」计划，该计划旨在提高基于螺旋藻的生物制造的生产力。
Lumen Bioscience 将开发蓝绿藻下一个工业生物技术生产平台
Lumen Bioscience 成立于 2017 年 4 月，是西雅图的一家合成生物学公司，专注于开发蓝绿藻螺旋藻作为工业生物技术的下一个重要生产平台。
传统药物开发成本惊人，意味着使用口服生物制剂来解决胃肠道和其他局部部位的治疗靶点在商业上是不可行的。而 Lumen 的专利生物药物平台缩短了开发过程，降低了成本和风险，并加快了上市时间，成为了第一家使口服抗体药物具有商业可行性的公司。
Lumen 针对全球流行疾病开发生物候选药物，包括新冠肺炎、心脏代谢性疾病（CMD）、胃肠道疾病、主诺如病毒、疟疾、致命腹泻疾病等。
在成立不到一年，2017 年 12 月份便获得了 1120 万美元 A 轮融资，并同时获得了来自美国能源部的 180 万美元扶植资金。至今已获得 8400 万美元投资。
Lumen 改变了生物药物的发明方式，通过其专利技术能够使用著名的食用藻类螺旋藻来提供治疗性蛋白质。截至目前，Lumen 已申请专利 25 项，在申请 17 项。已发布的专利包括涵盖工程螺旋藻广泛的物质组成权利要求。
Lumen 在 9 月份的 B 轮融资中筹集了 1600 万美元。该公司最近还宣布了与制药公司 Novo Nordisk 的联合项目，以及与支持新型抗菌药物开发的非营利组织 CARB-X 的高达 1450 万美元的项目。此外，Lumen 最近从美国陆军获得了近 400 万美元的资助，用于开发一种潜在的 COVID-19 的潜在疗法。
CARB-X 项目专注于开发一种螺旋藻丸，以对抗两种引起腹泻病的两种病原体：空肠弯曲杆菌和产肠毒素大肠杆菌。该公司目前正在进行一项由盖茨基金会部分支持的 2 期临床试验，用于治疗由这些细菌引起的腹泻，这些细菌每年在全球范围内杀死数千名儿童。
7 月份，Lumen 表示，其制造业务扩展到了西雅图沃灵福德，预计今后将在华盛顿东部建立更大规模的商业化工厂。
据联合创始人兼首席执行官 Brian Finrow 表示，Lumen 当前的任务是在 6 个月内调试新设施。「3 年后，我们希望至少将其中一种产品商业化。」
机器学习让螺旋藻生产蛋白质能力加倍
几十年来，生物药物在改变着患者的生活。但传统系统生产治疗性蛋白质需要复杂且昂贵的制造过程。因此，负担得起且广泛使用的生物制剂仍然是一个挑战。
与用于生产生物药物的传统平台相比，光合蓝藻（Arthrospira platensis），俗称螺旋藻，具有许多优势。包括简单、廉价的生长和下游加工；光合代谢；螺旋藻的基因工程可稳定表达异源蛋白质。总之，螺旋藻是一种有前景的低成本生物药物制造新平台。然而，该平台潜力的充分实现将取决于实现螺旋藻的高增长率和治疗性蛋白质的高表达。
机器学习方法可以促进对复杂多元空间的自适应探索，并且可以利用复杂的非线性高阶关系。在机器学习方法中，批处理贝叶斯优化 (BO) 已成为首选的黑盒方法。
在 Lumen 和 Google 的合作研究中，研究人员使用贝叶斯黑盒优化的机器学习方法来迭代指导 96 个光生物反应器中的实验，这些实验探索了生产结果与 17 个环境变量（如 pH、温度和光照）之间的关系。
通过 16 轮实验，研究人员确定了关键变量调整，使螺旋藻基异源蛋白的产量大约增加了一倍，在多种生物反应器设置配置下，容积生产率提高了 70% ~ 100%。
生物反应器运行性能超过 16 轮，运行参数搜索空间的目标采样。A) ML 引导优化生物反应器运行性能的工作流程示意图。B) 通过一轮 ML 引导的实验，生物反应器运行性能的改进倍数。
研究得出：一种自适应的、基于机器学习的方法来优化异源蛋白质的生产，可以改善基于复杂的多变量实验的结果，识别有益的变量组合和调整，否则可能无法在高维数据中发现。
研究人员表示：「未来的努力可以集中在新参数上，例如媒体（media）和遗传变量，并且可以应用深度学习工具来整合其他数据源，例如显微镜图像，以进一步提高模型预测和搜索效率。」
参考内容：
https://www.geekwire.com/2021/seattle-startup-lumen-bioscience-working-google-make-drugs-using-algae/
https://www.biospace.com/article/lumen-partners-with-google-to-advance-biomanufacturing-of-algae-based-medications/
论文链接：https://www.biorxiv.org/content/10.1101/2021.08.06.453272v1
Lumen Bioscience 公司官网：https://www.lumen.bio/
