霉菌毒素长期以来一直是农业和食品生产中的普遍挑战，威胁着动物和人类的健康。作为某些霉菌产生的天然毒素，霉菌毒素在适宜的环境条件下会污染作物，导致重大经济损失和健康风险。
dsm-firmenich公司在减轻霉菌毒素风险方面拥有数十年的经验，创新工具如霉菌毒素调查和预测工具已集成并进一步开发，以增强风险管理策略。霉菌毒素调查是全球最全面的霉菌毒素污染数据库之一，提供了关于霉菌毒素发生区域和时间趋势的宝贵见解。与此相伴随的是霉菌毒素预测工具，该工具利用历史数据、天气模式和其他关键因素，以高精度预测霉菌毒素污染风险。
“从序列数据中学习生物特性是迈向生物学生成和预测型人工智能的合乎逻辑的一步。”——Alexander Rives 2021
人工智能驱动的统计分析
随着人工智能的出现，这些努力达到了新的高度。人工智能驱动的分析提供了对霉菌毒素发展的更深入洞察，帮助通过实时环境数据改进预测模型。这使得干预措施更加主动和精确，最终保护饲料和食品供应免受霉菌毒素污染。除了预测之外，人工智能还在加速开发新的霉菌毒素解毒解决方案。
酶工程通常依赖缓慢的手动方法，科学家们逐步进行突变以改善酶的性能。虽然这种方法有效，但由于潜在酶序列的搜索空间巨大，成本高昂且效率低下。公司现在利用机器学习（ML）来简化酶的开发——生成、预测和优化序列的效率大大提高，同时确保结构和功能的完整性。
酶设计中最重大的挑战之一是应对巨大的序列空间。潜在酶变异的数量超过了宇宙中原子的数量，使得穷举搜索方法变得不切实际。
AlphaFold2
AlphaFold2是一项改变游戏规则的突破性AI技术，能够准确预测蛋白质结构，并因此获得诺贝尔奖。在AlphaFold2之前，结构生物学主要依赖于X射线晶体学等实验方法，这些方法既昂贵又耗时，有时甚至不可行。借助AlphaFold2，结构-功能分析可以在几分钟内完成，而不是几个月或几年。这一能力对于开发中和霉菌毒素的酶以及其他健康和营养领域的酶应用至关重要。
受到自然语言处理启发的蛋白质语言模型（pLMs）是人工智能驱动酶工程的另一个前沿领域。通过识别进化关系和功能约束，pLMs有助于优化酶序列，以提高稳定性、溶解度和催化效率。dsm-firmenich将这些由人工智能生成的见解与湿实验室验证相结合，确保计算设计的酶经过严格的实验测试，以确认其在实际应用中的有效性。
公司内部研究和与全球研究机构的合作取得了重要发现。人工智能模型揭示了特定地区受到某些霉菌毒素不成比例影响的情况，从而可以制定有针对性的风险管理策略。气候变化对霉菌毒素流行的影响加剧了价值链各方准备的重要性。此外，高级分析还阐明了不同霉菌毒素之间的相互作用，提供了对其综合毒性效应的更清晰理解。
对质量和合规性的承诺
那么这一切是如何运作的呢？公司的产品设计具有强大的作用机制（MoA），以多层面应对霉菌毒素污染。解决方案包括物理吸附霉菌毒素的结合剂、降解有毒化合物的酶处理（例如ZENzyme）以及抑制霉菌生长的生物保护剂。这些产品经过严格测试，证明能有效减少霉菌毒素暴露。
此外，公司对质量和合规性有强烈的承诺，这一点得到了欧盟和FDA的授权认证。这些认证强调了整个产品线的安全性和有效性。这些认证为客户提供了保证，巩固了dsm-firmenich在霉菌毒素风险管理方面的领先地位。世界各地的客户依靠这些解决方案来保障运营、降低风险并确保产品的安全性。从饲料制造商到畜牧生产商，公司全面而创新的人工智能方法继续在整个供应链中提供可衡量的价值。
为未来铺路
随着机器学习的不断发展，其对酶工程的影响也在扩大，使研究人员能够超越传统技术的限制。通过结合人工智能指导的序列生成和生化专业知识，dsm-firmenich正在为工业生物技术、制药应用及其他领域的突破铺平道路。
(全文结束)
