酶挖掘：绿色生物制造的源头活水

在生物技术的世界里，酶是自然界最精密的“分子机器”——它们催化效率极高、选择性极强、反应条件温和，是绿色制造与合成生物学的核心驱动力。从洗衣粉中的去污酶到生物燃料中的转化酶，从医药中间体的合成酶到塑料降解的环保酶，酶已经成为现代工业不可或缺的“生物催化剂”。

然而，一个残酷的现实是：全球已表征的酶类超8万种，但真正实现大规模工业化应用的仅约60种——自然界已发现的酶分子中，适合工业苛刻条件的更是少之又少。如何在浩瀚的自然界中高效地找到"好用"的酶，这一过程正是"酶挖掘"的核心命题。

据行业数据显示，2025年全球工业酶制剂市场规模约76.6亿美元，2026年预计达81.9亿美元；中国市场规模约252亿元人民币，增速领跑亚太。市场快速扩张的背后，是下游生物制药、食品加工、绿色化工、农业环保等领域对新型高性能酶的"饥渴式"需求。

一、核心释义：什么是真正的酶挖掘？

从专业定义来看，酶挖掘是一套覆盖资源采样→基因预测→克隆表达→功能验证→性能表征→工业适配的完整技术链路，核心目标是从天然生物资源库中，发掘具备高活性、高稳定性、高底物特异性、强环境耐受性的优质酶种，同时挖掘自然界未被发现的全新功能酶，填补产业应用空白。

相较于普通蛋白筛选，酶挖掘具备极强的功能靶向性：不局限于序列同源性比对，更聚焦催化活性、热稳定性、酸碱耐受性、底物结合能力、工业适配性等核心工业指标，是衔接基础生物资源与产业化应用的关键桥梁。

目前工业酶应用中，水解酶类占工业酶市场的60%以上，包含淀粉酶、蛋白酶、纤维素酶等，多用于食品、纺织、饲料等行业的大分子底物降解；氧化还原酶、转移酶、异构酶等高端特种酶，则广泛应用于精细化工、创新药合成、高端材料等高附加值领域，也是当下酶挖掘的核心攻坚方向。

一个不容忽视的产业现实是：2026年国内饲料领域工业酶制剂国产化率已接近100%，但医药合成、体外诊断高端特种酶的进口依赖度仍超70%，是行业核心卡脖子环节。

二、技术迭代与产业痛点：三代范式如何打破瓶颈

  Flowchart of the iterative process for third-generation enzyme discovery technology

酶挖掘技术历经三代迭代，研发效率、筛选精度、资源覆盖度实现量级突破，逐步解决了传统模式"挖掘盲目、周期冗长、成本高昂、优质酶稀缺"的行业痛点。

第一代：传统纯培养筛选——经验驱动

依托微生物纯培养技术，从土壤、水体、极端环境样本中分离可培养微生物，再通过底物显色、酶活检测等方式筛选功能酶。该技术门槛低、早期应用广泛，但存在致命短板：

在标准实验室纯培养条件下，可培养微生物占比不足1%——这就是微生物学中著名的"大平板计数异常"（Great Plate Count Anomaly）。海量优质酶资源被完全遗漏，筛选周期长达1-3年，试错成本极高，无法适配工业化快速迭代需求。

这一时期的典型代表是对极端环境微生物的筛选：从火山口、深海热泉、盐湖中寻找嗜热酶、嗜盐酶，虽然产出了Taq DNA聚合酶、嗜热脂肪酶等一批重要工业酶，但通量极低、周期极长，一个项目动辄数年。

第二代：宏基因组生物信息学挖掘——数据初驱

伴随基因组测序技术普及，行业突破纯培养局限，通过宏基因组测序获取环境样本全部基因信息，依托序列同源性比对、保守结构域分析、功能注释等生物信息学手段，预测潜在功能酶。资源覆盖率大幅提升，让酶挖掘的资源池从"数万菌株"跃升到"数亿基因"。

具体路径分为两条：序列驱动筛选通量高、速度快，但只能发现"已知的类似物"，难以发现全新家族；功能驱动筛选能发现全新功能的酶，但通量极低、工作量大、受表达系统限制。

其核心问题是序列预测与实际功能脱节：大量同源序列无真实催化活性，传统BLAST等同源比对方法难以发现远缘或全新家族的功能酶。微生物基因组和宏基因组中，绝大多数蛋白质的功能仍未被实验表征——这部分被称为"微生物暗物质"，其中蕴藏着海量未知的酶资源。

第三代：AI智能靶向酶挖掘——精准落地

当前最先进的产业化技术范式，依托百亿级蛋白序列数据库、酶功能标注数据集与深度学习模型，构建序列-结构-功能-工业性能的全维度映射关系，摆脱传统同源比对的局限，实现跨家族、无模板的全新酶资源挖掘。

以蛋白质语言模型（PLM）为代表的AI技术，通过在数十亿条蛋白质序列上进行预训练，能够学习到序列与功能之间的深层关联。对于酶挖掘而言，这意味着三重突破：

跨家族功能预测。 即使目标序列与已知酶的序列相似度较低（部分场景下<30%），模型仍可基于其全局序列特征、进化共变信号和潜在功能位点信息辅助预测催化能力，大幅拓展了传统同源比对的搜索边界；

多属性联合评估。 不仅仅是"有没有活性"，还能同时预测最适温度、pH、底物谱、稳定性等工业属性；

从"挖"到"改"的无缝衔接。 挖到候选酶后，同一套模型体系可以直接进行定向进化优化，实现挖-改-验一体化。

单条序列功能预测可在毫秒级完成，面对百万级序列库也能在小时级完成初筛。结合自动化实验平台，可将传统1-3年的挖掘全流程验证周期压缩60%以上，同时精准锁定耐高温、耐酸碱、高催化特异性的工业级优质酶种，真正实现"按需挖掘、精准匹配、高效落地"。

业内普遍认为，AI在酶工程领域的应用已形成"寻路→挖酶→改酶→造酶"的技术路线，其中挖酶和改酶是当前商业化最为成熟的环节。

三、从"挖到用"：酶挖掘的产业化转化链条

找到一个有活性的酶，只是万里长征第一步。从实验室有活性的酶，到工业生产线上能用的酶，中间还有一整条转化链条，每一环都是一道门槛。

第一道坎：异源表达。从宏基因组中挖到的基因，往往来自不可培养微生物，换到大肠杆菌、毕赤酵母等常用表达宿主中，可能出现不表达、表达量低、形成包涵体等问题。密码子优化、宿主筛选、分子伴侣共表达……每一项优化都需要大量实验摸索。

第二道坎：稳定性与耐受性。实验室里有活性的酶，到了工业反应釜里可能迅速失活。高温、极端pH、高浓度底物、有机溶剂……工业环境远比实验室"恶劣"。一个合格的工业酶需要同时满足高比活、高稳定性、高表达量、低生产成本、底物特异性可控等多个目标，多目标优化是酶工程的永恒难题。

第三道坎：规模化生产与成本。酶的发酵产率、分离纯化成本、回收复用效率，直接决定了它能不能在工业上用得起。以固定化酶技术为例，好的固定化方案既能提升酶的稳定性，又能实现酶的回收套用，将整体成本降低一半以上。

这也是为什么行业的共识越来越清晰：单一技术突破不够，需要数据、算法、实验三位一体的系统性解决方案。

四、平台赋能：MatwingsVenus™（晓鹜™）构建AI酶挖掘全链路解决方案

 End-to-end AI enzyme discovery platform

那么，有没有可能把超大规模数据、AI模型和自动化实验整合到一个平台里，让酶挖掘从"手工作坊"变成"流水线"？上海天鹜科技旗下的MatwingsVenus™（晓鹜™）给出了一个国产答案。

其挖酶能力建立在三层基础设施之上。

第一层：超大规模蛋白质数据集MatwingsVenus™ Pod。据上海交通大学"第五届十大科技进展"公示，该平台汇聚了包括深海MEER计划、盐湖极地微生物等独家极端环境数据，清洗整合了全球150亿条蛋白质序列，其中包含65亿条带有温度、pH等环境标签的高质量数据。

这些带标签的数据意味着什么？传统酶挖掘只能回答"这个序列是不是酶"，而带环境标签的数据可以进一步回答"这个酶在什么条件下工作"——这对工业酶筛选至关重要。

第二层：AI挖酶模型 MatwingsVenus™ 大模型。基于自主研发的VenusPLM蛋白质通用大模型（源自上海交大洪亮团队），平台构建了专门的酶挖掘能力，能够在海量蛋白质数据库中高效挖掘同源性低但功能优异的酶分子，具备在零样本或小样本条件下精准预测蛋白质稳定性、活性及表达量的能力。与单纯依赖序列同源性的方法相比，功能预测的覆盖范围和准确率都有显著提升。

挖到的候选酶如果性能不达标，还可直接进入AI定向进化优化流程，通过多目标优化同步提升活性、稳定性和表达量，实现"挖酶-改酶"的无缝衔接。

第三层：干湿闭环验证体系MatwingsVenus™ Auto。更关键的是，平台不仅提供计算预测，还打通了自动化实验验证环节。2026年4月发布的MatwingsVenus™（晓鹜™）智能体，实现了"设计即验证、验证即迭代"的研发模式：用户通过自然语言提出需求，智能体自动调用挖酶模型筛选候选序列，再驱动自动化湿实验平台完成表达纯化和功能检测，实验结果回流至下一轮AI设计，形成完整的"对话式干湿闭环"。

这种模式的核心价值在于，把过去只有大企业研发团队才能完成的"挖酶-改酶-验酶"全流程，压缩到了个人也能调用的级别。公开信息显示，该平台已成功交付30余款高性能蛋白质，其中10余款实现规模化量产。

具体到挖酶领域，已有多个可公开验证的落地案例：在PET塑料降解酶项目中，AI从海量序列中挖掘出新型PET水解酶，经定向进化后酶活提升97倍，研发周期仅6个月；在食品领域糖基转移酶工程化项目中，平台仅用4个月就将酶的总糖基化活性提升7倍，产品特异性从60%提升至98%，核心物料成本降低90%——而传统方法往往需要2-3年。

五、产业价值：AI酶挖掘赋能全赛道绿色升级

优质酶资源是生物产业的核心刚需，AI驱动的高效酶挖掘技术，正在全方位赋能多产业技术革新，产业价值持续释放。

工业生物制造领域：挖掘高活性、高耐受性工业酶，替代传统化学催化剂，大幅降低化工合成、生物质转化、生物降解过程的能耗与碳排放，提升产物转化率与纯度。酶催化反应速率是非催化反应的10⁶~10²⁰倍（不同酶类差异极大），较传统化学催化剂高10⁷~10¹³倍，重金属、危废排放量降低90%以上，助力传统工业绿色转型。

生物医药领域：精准挖掘特异性合成酶、修饰酶，适配小分子药物、多肽药物、抗体偶联药物的合成工艺，提升药物合成效率、降低杂质生成。针对当前医药合成高端特种酶进口依赖度超70%的现状，国产AI挖酶平台正在成为破局关键，助力创新药低成本、高质量量产。

食品与日化领域：挖掘温和、高效、安全的食品级酶种，应用于食品改性、保鲜、深加工及日化清洁场景。淀粉酶、糖化酶广泛用于淀粉糖、酿酒、烘焙加工，可提升原料转化率10%-20%；酶法加工替代化学添加剂，既提升产品品质，又满足消费者对清洁标签的需求。

环境治理领域：挖掘极端环境适配的降解酶，针对塑料、油污、有机污染物实现高效生物降解。以PET降解酶为例，AI辅助定向进化可大幅提升其热稳定性和催化效率，为固废资源化和生态修复提供绿色技术方案。

六、行业展望：酶挖掘，生物经济的源头创新引擎

当前全球生物产业竞争已聚焦源头资源创新，酶作为核心生物催化剂，其挖掘效率与创新能力，直接决定生物制造产业的核心竞争力。传统依赖天然筛选、海外酶种引进的模式，已无法满足国内产业自主可控、高端化升级的需求。

未来，AI智能化酶挖掘将成为行业主流范式，从“被动筛选天然酶”转向“主动发掘、精准优化、定制化创制”的全新阶段。以MatwingsVenus™（晓鹜™）为代表的国产自主AI酶挖掘平台，将持续依托数据与算法优势，破解国内优质工业酶资源稀缺、研发周期长、落地成本高的产业难题，为科研机构、生物医药、生物制造企业提供高效、低成本、可落地的全链路酶挖掘解决方案。

从海量生物基因中发掘微小的催化力量，以优质酶资源赋能千亿级生物产业。酶挖掘这场源头技术革命，终将持续激活绿色生物制造的创新活力，推动国内生物产业实现从技术跟跑到源头领跑的跨越式升级。