AI遇上微观生命:当算法读懂细菌的“语言”

重塑  |  赋能  |  智构   |  迭进

Advancing with sustained momentum

AI遇上微观生命

当算法读懂“细菌”语言

2026

- TECHNICAL REPORT -

细菌当然不会像人类一样说话。但是，它们的生命活动会留下大量可供研究的信息。例如，细菌的基因组记录着遗传信息，代谢产物反映着其生理活动，而发酵过程中温度、酸碱度和溶解氧等参数的变化，也可以帮助科研人员了解微生物所处的环境。有些细菌甚至能够释放和感知特定的化学信号，并根据周围同类细菌的数量改变自身行为。科学家将其中一类现象称为“群体感应”（Quorum sensing）。这些信息就像微生物留下的“生命密码”。

人工智能所做的事情，并不是直接听懂细菌说话，而是通过分析大量生物学数据，寻找其中隐藏的规律。举个例子：假如科学家想筛选一种适合制作发酵乳的菌株，传统方法需要对大量候选菌株逐一开展实验。而AI可以先分析已有菌株的基因组数据和实验结果，预测哪些菌株更可能具备所需的功能，再由科研人员开展实验验证。这样一来，科学家就可能用更少的实验，找到更值得研究的候选菌株。AI负责寻找线索，科学家负责验证答案。

（《民生周刊》，2025年，张和平团队AI益生菌筛选相关报道。

https://paper.people.com.cn/mszk/pc/content/202511/10/content_30115553.html）

除了寻找菌株，AI还可以帮助科研人员优化微生物的生长环境。在大型发酵罐中，微生物不断消耗营养物质、产生代谢产物，发酵液的酸碱度、溶解氧等参数也会随之变化。如果调控不及时，就可能影响产品产量和生产稳定性。现在，一些企业开始尝试将传感器、人工智能模型和自动化控制系统结合起来。例如，川宁生物在工业发酵过程中应用AI虚拟工程师，预测部分发酵参数的变化，并辅助调整供氧、补料等条件。根据企业披露的实验数据，在相同物料投入条件下，AI调控的部分实验罐平均产量比对照组高出约3%—5%。虽然这项结果来自特定工业发酵场景，但它说明，人工智能不仅能帮助科研人员分析数据，也有潜力参与微生物生产过程的优化。

（《中国证券报》，2025年，川宁生物AI发酵控制相关报道。

https://epaper.cs.com.cn/zgzqb/html/2025-04/22/nw.D110000zgzqb_20250422_1-B192.htm）

AI与微生物合作的完成，我们可以理解为四个步骤。

整个过程可以概括为：获取数据→AI分析预测→实验验证→模型优化，经过不断循环，研究人员能够逐步提高对微生物生命活动的认识。

不过，AI预测并不一定完全正确。数据质量、实验条件和模型适用范围，都可能影响最终结果。因此，人工智能是科学研究的辅助工具，而不是能够取代实验的“万能答案”。