（0506）赛迪译丛：《美国生物技术和生物制造的远大目标：利用研发推进社会目标的实现》

2023年6月5日第18期总第597期 美国生物技术和生物制造的远大目标：利用研发推进社会目标的实现 【译者按】2023年3月，美白宫科技政策办公室发布《美国 生物技术和生物制造远大目标》。报告概述了美国未来5到20年内生物制造的发展方向，并在提高产业链供应链弹性、促进生命健康产业发展、提升食品生产供给能力、优化气候变化解决方案、推进生物经济创新发展方面，提出了共21个方向49个具体目标。赛迪智库消费品工业研究所对该报告进行了编译，期望对相关部门有所帮助。 【关键词】生物技术生物制造中长期目标 当前，世界正处于由生物技术和生物制造推动的工业革命的风口浪尖。通过生物制造，美国各地的可持续生物质可以转化为新产品，并为基于石油的化学品、药物、燃料、材料等生产提供替代方案。为响应拜登总统2022年9月有关“生物技术与生物制造”的行政令，能源部（DOE）、农业部（USDA）、商务部（DOC）、卫生与公众服务部（HHS）和国家科学基金会（NSF）分别牵头编制相关文件，详细阐述未来5到20年内如何利用生物技术和生物制造来实现“提高产业链供应链弹性”“促进生命健康产业发展”“提升食品生产供给能力”“优化气候变化解决方案”以及“推进生物经济创新发展”等社会目标。 一、提升产业链供应链韧性 希望通过生物技术和生物制造创造更加灵活、适应性强的生产方式，以应对近年来全球地缘政治冲突、新冠疫情暴露出的产业链供应链问题。为此提出三方面中长期目标： （一）大力推行生物制造方式 一是改善关键药物的供应链。在5年内，部署大量的合成生 物学和生物制造能力，生产至少25%的小分子药物的活性药物成分（API）。二是促进化学品生产更加绿色可持续。在20年内，通过可持续和具有经济效益的生物制造途径至少满足美国化学 品需求的30%。三是加快生物制品的开发。在20年内，将新的 生物技术应用于生物制造的工作流程，在至少3个已知存在供应 链瓶颈的行业中，每个行业实现生产10种新的生物制品。为实现上述目标，拟开展以下重点研发： 开发具有成�竞争力的替代性生物制造途径，比如基于细胞 的流程和非细胞体系，用以生产关键的活性药物成分、化学品和其他材料。设计和测试可持续和具有经济效益的制造能力和功能，以支持对商品材料的大规模生物制造。推进合成生物学工具和创新的生物加工手段，以回收/获取关键矿物，包括但不限于锂和钴。进行生命周期成�分析，以确定经济上最可行的生物制造模式，同时确保生物安全、生物安保和生物保护。制定生命周期管理方法，以实现更可持续的生物制造，并开发生物制造解决方案，通过对现有产品和其他废弃物或副产品的回收或再造，来推进循环 （生物）经济。开发模型来预测最有前景的化学生产流程，寻求以生物制造替代方案实现相同或更大的规模或质量，同时最大限度地提升可持续性。利用人工智能提高工程生物学平台技术的可用性，以加快并优化新流程和新产品的研发与推广。应对当前的规模化挑战和监管科学要求。 （二）提升供应链韧性 一是提高预测能力。在5年内，预测至少50%的供应链薄弱 环节并实时调整生物制造方向，从而解决瓶颈问题。二是实时调整生物制造流程。在5年内，将监测系统投入使用，以实时评估 和调整生物制造参数。三是自适应供应链。在20年内，部署先进的生物制造平台和能力，一旦发现供应链瓶颈，在一周内做出响应。四是供应链灵活性。在20年内，实施80%可行的生物制造技术，以满足国内的产能需求。 为实现上述目标，拟开展以下重点研发： 开发预测模型，以确定从生物制造替代方案中受益最多的供应链瓶颈（比如高需求商品化学品或材料），同时预测市场趋势和劳动力需求（比如技能、地理环境、常规和扩增的能力），以应对生物制造和供应链瓶颈问题。开发准确的模型，以整合分散或分布式生物制造生态体系以及辅助的信息技术基础设施，包括国内能力分布图，并预测生物原料的可用性和使用影响，以实现按需的�地生产。开发创新型线上、在线和过程中测量技术，包括基因细胞株和活体评价系统，以实现对质量属性的实时评估和调整。开发数据集、标准和预测能力（包括使用人工智能、机器学习和数字孪生），以便在适当的访问控制和数据安全的情况下，实现流程控制和供应链数据的实时反馈回路与分析。推进可无缝 集成自动化、软件、设备和人员的智能生物制造，以提高流程速度、可靠性和效率。开发平台技术和标准，以加快生物制造设备、部件和耗材的开发、生产以及互操作性，并改进生物制造流程和产品的表征和测试。开发标准的微生物菌株、非细胞体系、关键试剂、已知机能和性能的序列，以及可以按需快速生产、分发并扩大规模的供应链分子与化合物。制定材料和试剂的标准化质量指标，以实现不同供应商之间互操作性，并制定先进的算法，以便在供应链受限或中断时，能够使用替代原料或流程实现自适应储备。开发创新设计、稳定的质量管理体系和标准，使生物制造设施得到更有效的利用。开发可用于有效改造城乡地区现有生物制造设施的技术和相关策略。开发模块化的生物制造能力，以扩大、缩小或横向扩展规模。开发一次性技术，以及符合目标且端到端的生物制造平台，从而实现生物体和流程之间的快速切换。 （三）加强商业标准与数据基础设施建设 一是加强数据基础设施建设。在5年内，通过数据标准、工 具和能力的进步与整合，启动数据基础设施，包括有效且安全的数据共享机制。二是加强标准基础设施建设。在20年内，建立稳固的标准基础设施，以实现生物制品和流程的快速发展与部署。 为实现上述目标，拟开展以下重点研发： 支持开发和集成数据标准、工具和能力，以创建符合政府开放科学措施的数据基础设施，同时尊重知识产权、保护数据安全，并与国内和国际各相关方持续协调其他需求。创建数据标准（例如，�体、模式和元数据结构），以便开发、集成和利用先进数据分析（包括人工智能和机器学习），并将数字孪生方法投入使用。设立基准和工具，以便验证或核实材料、系统、流程、设备、软件以及实验室和现场技术数据。开发分析方法标准以及所依托的测量基础设施，以增进复杂生物系统的可比性。制定生物加工标准以支持新兴的生物制造能力，包括材料、单元操作、生物反应器和相关的互操作性。与美国制造业研究所和其他公开论坛合作，将行业基准、工具、能力和成熟做法转化为国际标准，以确保标准能够促进创新，而不是在无意中扼杀创新。 二、促进生命健康产业发展 希望通过推动生物技术和生物制造进步，促进生命健康产业发展。为此提出五方面中长期目标： （一）发展无障碍健康监测 一是确定健康的生物指标。在5年内，利用新型传感器确定 至少10个下一代健康生物指标，并作为标准健康生活和预防医学实践的一部分来进行监测，比如免疫能力或微生物组成。二是 综合健康诊断。在20年内，开发并分发一种简单易用、价格合 理的家用诊断分析工具（“健康工具包”），利用新的健康生物指标，在诊所和社区发挥作用，并满足不同人群的需要，将健康结果的误差减少50%。 为实现上述目标，拟开展以下重点研发： 一是在发现下一代健康生物学指标方面：开发新型传感器及其阵列，用以检测新的生物学指标。将纵向研究与人类基础生物 学研究相结合，并开发相关的人工智能/机器学习模型来整合数据类型，以确定健康和老龄化标志物。与分散式临床研究和行业伙伴密切合作，设计并推出新的大规模研究模型，用于下一代生物 标志物的发现和验证。二是在发展综合健康诊断方面：开发微型 检测器、传感器以及先进易用的多路检测仪表盘。推进新型可穿戴远程传感器、电子病历和其他生理数据来源的验证和商业化，预测疾病的易感性并监测其长期后果。考虑健康工具包的数据基础设施，包括如何利用数据来改善健康，并与初级保健医生或其他临床医生进行共享，同时继续强调保护患者隐私和数据安全。 （二）发展细胞疗法等精准医学 一是提高多组学数据收集能力。在5年内，从包含不同人群 参与者的大型样�中收集多组学指标，并确定哪些指标与至少50 种发病率高且影响大的疾病的诊断和管理最为相关。二是实现个 体化多基因组学。在20年内，开发用于诊断、预防和治疗的分 子分型工具，以解决美国疾病相关死亡的主要原因，并通过开发 1000美元的多基因组学方法来确保上述分子分型工具的可行性。为实现上述目标，拟开展以下重点研发： 一是在收集多组学数据方面：开发新型传感器，比如体内 DNA记录器，能够收集更多的数据，从而推动多组学方法的广泛采用。通过对新型高通量技术的定向投资来降低成🎧，包括合成生物学和非细胞方法，重点是以每份样�不超过1000美元的成 �实现整个组织的空间分辨率多组学表征。二是在实现个体化多 基因组学方面：制定多组学数据安全和使用契约，以保护患者隐私。创建标准化的多组学数据收集和分析方法，以支持预测模型。 开发临床研究方法，将多组学与环境、生活方式和其他表型数据相结合，以实现临床上可行的患者分类、诊断和治疗。 （三）细胞疗法的生物制造 一是提高药物疗效。在5年内，扩大用于开发细胞药物的技 术，使患者体内的细胞活性达到75%以上。二是实现规模化生产。 在20年内，增加细胞疗法的制造规模，以扩大使用范围、减少医疗不公平现象，并将细胞疗法的制造成�降低至十分之一。 为实现上述目标，拟开展以下重点研发： 一是在提高药物疗效方面：开发新的基因编辑技术和遗传编 程，用以创造下一代细胞疗法。将合成生物学的创新成果与新型非病毒递送载体（比如脂质或聚合物纳米粒）搭配，以进一步提高两者的效用和有效性。开发稳定的临床和基因组指标，以确定可能适合细胞疗法的患者，并开发计算模型，以判断和预测细胞 疗法中重要编程质量的疗效。二是在扩大制造规模方面：按照细 胞类型采用不同细胞疗法生产设施的方法与标准，减少成�和等待时间。开发模块化、平台工程化的细胞技术，以及针对特定患者的配方。在商业级生产设施中测试用于下一代生物技术产品的全新生物制造方法，并排除相关风险。与临床医生和其他医院工作人员合作制作培训材料，以确保不同医疗设施之间护理资源的公平性。 （四）人工智能赋能生物制药 一是提高生产速度。在5年内，利用国家资源实验室网络， 来解决现有生物药在自主生产和生物生产方面的障碍，将10种 常见处方药物的生产速度提高10倍。二是增加制造业的多样性。 在20年内，将人工智能和机器学习（AI/ML）技术纳入国家资源实验室网络，用于设计新型生物药，并将新型药物的发现和生产速度提高10倍。 为实现上述目标，拟开展以下重点研发： 一是在提高生产速度方面：发展国家生物制造资源网络，包 括三大核心组成部分：（1）一套分布式、模块化的下一代自主实验室，侧重于各项能力，比如高通量筛选、相关代谢物的灵敏在线传感器、下一代测序、高内涵成像、聚合酶链反应诊断等。 （2）一个基于云的虚拟研究机构，所有分布式的自动化实验室都直接与该机构互连。（3）一个将物理实验室与虚拟云环境相 结合的联合模式，以便利用人工智能方法来生成基于先前实验的假设，然后在物理实验室环境下进行测试。二是在增加制造业的 多样性方面：创建统一和标准化的实验数据，让美国各地的研究 人员均能够近乎实时地获取，以帮助加快生物药的开发。开发新的人工智能/机器学习方法来设计每一类药物（例如，小分子、生物制剂、肽类和细胞疗法）。开发比传统技术的检测极限、准确度和精密度高10倍的技术。在生物制造过程中开发和使用新技术，对代谢物、物理参数和生物制品进行在线检测。 （五）开发更先进的基因编辑技术 一是提高基因编辑效率。在5年内，进一步开发用于临床的 基因编辑系统，在最大限度地消除副作用的前提下，治愈10种 已知的遗传疾病。二是实现规模化。在20年内，加强生物制造 生态体系，每年至少生产治疗性基因编辑药物500万剂。为实现上述目标，拟开展以下重点研发： 一是在提高效率方面：开发基因递送载体、基因编辑器和编辑系 统。合作开发标准检测方法，以评估体外和体内的编辑效果，并利用人工智能/机器学习技术，创建基因编辑器和递送载体配对的标准方法。成立一个涵盖标准制定、监管规定、工业制造能力以 及学术研究等各领域专家的协商小组