36氪研究院 | 2023年中国合成生物学行业洞察报告

头图来源 | 视觉中国

2023年3月15日，哈佛医学院在《Nature》杂志上发表的研究显示，利用合成生物学技术生产药物或其他物质时可以避免病毒污染带来的巨大损失。近年来，伴随着底层使能技术的突破和工业化研究平台的助力，合成生物学应用场景正不断多元，医疗、工业、食品、医美等领域市场化产品已率先实现落地。

合成生物学深度融合了分子和细胞生物学、工程学、生物化学和信息技术等多个尖端技术，通过工程化的方法编码基因、改造生物，重构并新建出更加符合产业化的新型生物系统，集可持续、低成本等诸多优势于一体，被认为是“DNA双螺旋结构”和“基因组技术”之后的第三次生物科技革命。目前，合成生物学正处于产业化的关键阶段，产品种类迅速增加，新产品验证和对传统化学法的替代并行，将可能为人类面临的医疗、能源和环境等重大问题提供全新的解决方案。

发展环境

支持政策频出，我国合成生物产业迎发展新机遇

早在2006 年和2010年，合成生物学专题研究便分别被列入我国“863 计划”和“973 计划”。近年来，国家愈发重视合成生物学发展，正逐步加强顶层战略规划，并做出发展底层技术研究和产业化规模应用的宏观部署。“十三五”期间，合成生物学作为战略前瞻性重大科学问题和前沿共性生物技术被写入《“十三五”生物技术创新专项规划》；国家卫健委提出促进生物技术大力发展，支持建设合成生物学技术创新中心的各项细则，彰显了合成生物技术在引领生物技术创新中的重要地位；进入2021年以来，北京、深圳、上海等地方政府陆续将合成生物学列为发展规划的重点关注领域，推动底层技术发展，构建创新技术平台；2022年5月，国家发展改革委印发的《“十四五”生物经济发展规划》则作为纲领性文件，提出包括合成生物学在内的生物经济是未来中国经济转型的新动力，表明国家对合成生物学学科及产业发展的重视以及推动合成生物学技术成果落地的决心。

“白箱”+“黑箱”双重模式推动合成生物学理性设计能力加速突破

理性设计能力有限一直是合成生物学的技术痛点，现阶段，合成生物学正通过“白箱”+“黑箱”双重模式加速突破这一困境。一方面， 白箱代表知识驱动，合成生物学基因测序与合成、基因编辑、计算机软件设计、菌种培育和筛选、产品分离纯化等底层使能技术不断进步，带来了DNA测序合成通量和菌株开发设计能力大幅改善。另一方面，黑箱理论则借助于自动化实验平台产生的大量生物学数据，支持机器学习，通过人工智能辅助为厂商提供基于微生物菌株的解决方案。近年来，研究人员提出了“设计-合成-测试-学习”（DBTL）理念，构建了大规模的基因元件、线路、系统试错的标准化实验手段，并引入自动化和高通量硬件设施构建了生物铸造厂，提高了生物实验对象、方法、技术的标准化和模块化水平，有效提升了理性设计合成生命体的能力。

发展现状

产业链剖析：

上游基础层提供技术赋能，中游平台层进行生物体设计改造，下游应用层企业则打通了从基因编辑到产品落地的合成生物学全产业链，侧重规模化生产。据创业邦睿兽分析数据，现阶段，我国合成生物学关联企业共有925家，包括基础层企业441家（占47.68%），平台层企业54家（占5.84%），应用层企业430家（占46.48%）。其中，合成生物学平台层和应用层相辅相成，企业间界限并不清晰。应用层企业为避免过度依赖单一产品，通常建立研发平台以加速多个产品管线落地；而平台型企业早期通过向客户提供细胞编程服务来获取收入，盈利空间十分有限，待业务规模和融资规模扩大后，同样可以基于自身研发创新能力向下游应用层延伸以实现商业闭环，将利润最大化。

上游基础层负责使能技术的开发，包括 DNA/RNA 合成、测序、编辑，是合成生物学发展的基础。现阶段，基因测序、编辑技术发展迅速，检测时间和单位成本大幅下降，而基因合成技术逐步走向高通量和精准合成，底层技术的成熟引领行业从实验室进入商业化阶段。

中游平台层主要由合成生物平台型企业构成，通过软件工程、生化工具、基因工程、自动化平台、机器学习与数据科学、代码库等技术，打通“设计－构建－测试－学习（DBTL）”的循环迭代，建立生物体设计与软件开发的集成化平台，解决基因编辑、产品服务商业化落地的问题。该类型企业产品多为代加工为主，部分平台型企业则在打造高通量、自动化生物工程平台的同时向下游孵化产品。例如，恩和生物依托自动化技术平台Bota Freeway加速开发可替代传统石油基的生物基产品；合曜生物搭建以独特的非模式生物自动化改造技术为核心的三大技术平台，拓展了多条化妆品与创新食品原料管线。

下游应用层负责研发和生产生物基产品，探索高效的生物合成方法。该类型企业既有合成生物学技术储备，又有市场化产品落地，现阶段应用场景以医疗、工业、食品、医美为主。

市场规模：应用场景逐渐多元，医疗领域呈现爆发式增长

随着底层使能技术的突破和基础研究的深入，在工业化研究平台的助力下，合成生物学正向医疗、化工、能源、食品、消费、农业等众多领域进行延伸，部分国内外企业已初步实现“从1到N”，整体市场规模呈现爆发式增长。根据CB insights数据，2021年全球合成生物市场规模达到736.93亿美元，较2020年增长767.5%。从细分赛道来看，医疗是占比最大的领域，2021年市场规模达到687.24亿美元，占比超过93%。据麦肯锡预测，2030-2040年期间，合成生物学每年在医疗健康方面潜在影响将达到0.5至1.2万亿美元，最终有望解决全球疾病总负担的45%。

发展展望

合成生物学从减排+固碳两方面推动“双碳“目标达成

合成生物学制造过程利用生物资源在细胞工厂内进行物质转化，通过系统性的设计和改造，可实现碳元素的闭环循环，兼具绿色环保与降本增效优势，从减排和固碳两方面助力“碳达峰”、“碳中和”的实现。WWF预估，2030年合成生物技术的广泛应用可每年降低10亿吨至25亿吨二氧化碳排放。

一方面，相较于传统化工生产工艺，生物基化学品可以显著降低 CO₂排放量，而合成生物学为化学品的生物制造提供了技术手段。据中科院天工所统计，目前合成生物制造产品平均节能减排30％-50％，未来潜力将达到50％-70％。例如，通过合成生物技术生产1,3-丙二醇用于多种药物、新型聚酯PTT、医药中间体及新型抗氧剂的合成，可实现二氧化碳减排63%；而一根PHA制造的吸管比PP吸管碳排放低180g，全生命周期碳排放量可降低90%以上。另一方面，合成生物学能够对自然的碳代谢路径进行改良，重组出一种新的人工碳代谢路径，从而增强了植物和微生物的固碳能力。此外，通过合成生物学和代谢工程的手段对蓝藻等自养微生物进行改造还可实现以CO₂ 为原料生产乙醇、乙酸、丙酮、丁醇、乳酸等化学品，如美国公司Lanzatech利用细菌将工业生产过程中排放的CO₂、CO等转化为工业乙醇用于航空燃料的技术已在首钢的两家工厂实现商业化。

AI+合成生物学深度融合，全面赋能“设计-合成-测试-学习”全流程

近年来，人工智能技术快速发展，其基于海量数据的持续学习能力和在未知空间的智能探索能力有效契合了当前合成生物学工程化试错平台的需求，是实现生物工程可预测的重要途径，在复杂生物特征的挖掘与生命系统的设计方面具备巨大潜力。未来，随着各种组学与定量生物学实验数据的纵深积累、计算机运算力与辅助设计能力的同步提升，人工智能应用于合成生物学“设计-合成-测试-学习”各环节的进程将得到飞速发展，其中涉及到的前沿技术包括逆合成算法预测生物合成途径、通过蛋白质结构预测和设计、代谢网络的智能优化等。