深度分析：Amyris能成为合成生物领域的苹果吗？( 三 ) 本文来自微信公众号：范阳（

总结来说，发酵需要一个可以承载其发生过程的有机体，需要一个可以使酶在其中发挥作用的底物，也需要一个生成物作为其反应过程的结果。下面是关于发酵三个常见的场景：

文章图片
（原文*dehygronase打错了，应该是dehydrogenase）

文章图片
Amyris所应用的发酵主要以酵母作为有机体，通常喂给酵母菌的“食物”是种植的甘蔗（糖分）。通过基因编辑对酵母进行重新编程以生产出所需的分子作为其生成物。
酵母的编程过程和代谢过程的都是高度可迭代的，一条路线可以包括多达30个化学反应链。 Amyris每月会通过高通量筛选（HTS）作用于约60万个候选酵母，只有前100个酵母会被送去发酵。这些候选酵母被称为基因型，一个基因型就是单个有机体的全部遗传密码。

文章图片

文章图片

文章图片
（范阳注：这三张图是罗氏制药制作的微生物代谢途径的示意图，外行人看起来就像是生命天书，虽然酵母菌这类微生物看起来很简单，但是生物体内产生某一种物质都会调动许多复杂的生物化学反应。）
GenotypeSpecificationLanguage基因型规范语言
对于这个过程， Amyris开发了自己的编码语言，称为基因型规范语言（GSL）。他们构建了超过20条通路，定义了超过500个目标分子（从自然界的30万个分子中筛选），分为15个化学类别，其中他们已经生产了超过250个分子，这其中又有13个已经实现了规模化生产和商业化。
在2008年至2020年间，他们已经从手动开发的20种设计扩展到拥有超过120000个代谢物（代谢过程的中间产物）和超过140000个反应的代谢计算图谱。这正是他们的竞争对手GinkgoBioworks的目标技术平台，并宣称自己拥有的优势所在。而Amyris是唯一一家达到这一水平并以这种速度收集数据的公司。数据收集能力的领先让人想到特斯拉的FSD优势。随着他们不断扩展开发与制造规模，新的问题层出不穷，例如，实验室培养皿中的生化反应和工业级别生化罐中生化环境的大不相同。正如ElonMusk经常说的那样，实验室生产/原型开发是容易的，规模化生产才是难啃的硬骨头。

文章图片
图片来自：Amyris
Amyris正在将机器学习算法应用于反应罐性能预测之中，因为这一生产量的反应罐是无法在现实中进行测试的。由于生产规模的领先，他们的数据获取也是领先的，因此他们拥有强大的技术优势，这是CathieWood所讲的创新平台发生转变的一个经典案例，在这个案例中就是基因组学和AI 。
Amyris坐落于Fremont ，显然深受特斯拉汽车的影响。 Amyris甚至在他们的使命宣言中也借鉴了特斯拉：加速世界向可持续原料转变（Acceleratetheworld’stransitiontosustainableingredients）。特斯拉教会了整整一代的创新公司规模化生产是创新中最难的部分，尤其是那些与复杂的制造革命相关的企业，成功的关键是垂直整合以及高度关注产品和制造的卓越性，看起来Amyris已经完全理解了这一点。

文章图片
四、竞品有哪些？