人工智能技术可从零开始生成原始蛋白质

人工智能技术可从零开始生成原始蛋白质该实验表明，最初为阅读和写作语言文本而创建的自然语言处理人工智能可以掌握生物学的某些基本概念。这个被称为ProGen的AI程序是由SalesforceResearch开发的，它采用了下标预测法，从氨基酸序列中构建人工蛋白质。科学家们说，这项新技术可能会变得比定向进化（诺贝尔奖得主的蛋白质设计技术）更强大，它将通过加快开发新的蛋白质来为有50年历史的蛋白质工程领域注入活力，这些蛋白质几乎可以用于从治疗药物到降解塑料的任何用途。加州大学旧金山分校药学院生物工程和治疗科学教授詹姆斯-弗雷泽博士说："人工设计的性能比受进化过程启发的设计好得多，"他是这项工作的作者之一，该论文最近发表在《自然-生物技术》上。该论文的前一个版本自2021年7月以来一直在预印本服务器BiorXiv上提供，在那里获得了几十次引用，然后才发表在同行评议的期刊上。"语言模型正在学习进化的各个方面，但它与正常的进化过程不同，"弗雷泽说。"我们现在有能力调整这些属性的生成，以达到特定的效果。例如，一种热稳定性极强的酶或喜欢酸性环境或不会与其他蛋白质相互作用的酶。"为了创建这个模型，科学家们只是将2.8亿种不同的蛋白质的氨基酸序列输入机器学习模型，并让它消化了几周的信息。然后，他们用五个溶菌酶家族的56000个序列以及关于这些蛋白质的一些背景信息对该模型进行了微调。该模型迅速生成了一百万个序列，研究小组根据它们与天然蛋白质序列的相似程度，以及人工智能蛋白质的基础氨基酸"语法"和"语义"的自然程度，选择了100个进行测试。在这第一批由TierraBiosciences公司进行体外筛选的100种蛋白质中，研究小组制作了五种人工蛋白质在细胞中进行测试，并将其活性与鸡蛋白中发现的一种酶进行比较，这种酶被称为鸡蛋白溶菌酶（HEWL）。在人类的眼泪、唾液和牛奶中也有类似的溶菌酶，它们在那里抵御细菌和真菌。其中两种人工酶能够分解细菌的细胞壁，其活性与HEWL相当，但它们的序列彼此之间只有大约18%的相同。这两个序列与任何已知的蛋白质都有大约90%和70%的相同。一个天然蛋白质只要有一个突变就能使其停止工作，但在另一轮筛选中，研究小组发现人工智能生成的酶显示出活性，即使其序列中只有31.4%与任何已知的天然蛋白质相似。人工智能甚至能够学习酶的形状，仅仅通过研究原始序列数据。通过X射线晶体学测量，人造蛋白质的原子结构看起来和它们应该的一样，尽管其序列是以前从未见过的。SalesforceResearch在2020年开发了ProGen，基于他们的研究人员最初开发的一种用于生成英语文本的自然语言编程。他们从以前的工作中知道，人工智能系统可以教自己语法和单词的含义，以及其他使写作有条理的基本规则。"当你用大量数据训练基于序列的模型时，它们在学习结构和规则方面真的很强大，"SalesforceResearch的人工智能研究主任、该论文的资深作者NikhilNaik博士说。"它们可以学习哪些词可以共同出现，也可以学习构成性。"对于蛋白质，设计的选择几乎是无限的。就蛋白质而言，溶酶很小，最多有大约300个氨基酸。但是有20个可能的氨基酸，就有大量的（20300）可能的组合。这比古往今来的所有人类，乘以地球上的沙粒数量，再乘以宇宙中的原子数量还要多。考虑到无限的可能性，该模型能够如此容易地产生工作的酶，这一点非常了不起。ProfluentBio公司的创始人、前SalesforceResearch公司的研究科学家、该论文的第一作者AliMadani博士说："从零开始生成功能性蛋白质的能力表明，我们正在进入一个蛋白质设计的新时代。"这是一个可供蛋白质工程师使用的多功能新工具，我们期待着看到治疗性应用"。完整的作者和资助名单请见该论文。论文中描述的方法的综合代码库可在https://github.com/salesforce/progen上公开获取。...PC版：https://www.cnbeta.com.tw/articles/soft/1346413.htm手机版：https://m.cnbeta.com.tw/view/1346413.htm

科学家用尖端人工智能揭开蛋白质的秘密

科学家用尖端人工智能揭开蛋白质的秘密该工具由KAUST生物信息学研究员MaxatKulmanov及其同事开发，在预测蛋白质功能方面优于现有的分析方法，甚至能够分析现有数据集中没有明确匹配的蛋白质。该模型被称为DeepGO-SE，它利用了类似于Chat-GPT等生成式人工智能工具所使用的大型语言模型。然后，它根据蛋白质工作方式的一般生物学原理，利用逻辑蕴含得出关于分子功能的有意义的结论。从本质上讲，它通过构建部分世界模型（在本例中为蛋白质功能），并根据常识和推理推断出在这些世界模型中应该发生的事情，从而赋予计算机逻辑处理结果的能力。一种新的人工智能（AI）工具能对未知蛋白质的功能进行逻辑推理，有望帮助科学家揭开细胞内部的奥秘。图片来源：©2024KAUST;IvanGromicho他补充说："这种方法有很多应用前景，"KAUST生物本体论研究小组负责人罗伯特-霍恩多夫（RobertHoehndorf）说，"特别是当需要对神经网络或其他机器学习模型生成的数据和假设进行推理时。"库尔曼诺夫和霍恩多夫与KAUST的斯特凡-阿罗德（StefanArold）以及瑞士生物信息学研究所的研究人员合作，评估了该模型破译那些在体内作用未知的蛋白质功能的能力。该工具成功地利用了一种鲜为人知的蛋白质的氨基酸序列数据及其与其他蛋白质的已知相互作用，并精确地预测了其分子功能。该模型非常精确，在一次国际功能预测工具竞赛中，DeepGO-SE在1600多种算法中名列前20位。KAUST团队目前正在利用这一工具研究在沙特阿拉伯沙漠极端环境中生长的植物中发现的神秘蛋白质的功能。他们希望这些发现将有助于确定生物技术应用中的新型蛋白质，并希望其他研究人员也能使用这一工具。库尔曼诺夫解释说："DeepGO-SE分析未表征蛋白质的能力可以促进药物发现、代谢通路分析、疾病关联、蛋白质工程、筛选感兴趣的特定蛋白质等任务。"编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1418103.htm手机版：https://m.cnbeta.com.tw/view/1418103.htm

微软开源新型蛋白质生成人工智能 EvoDiff

微软开源新型蛋白质生成人工智能EvoDiff但是，从计算和人力资源的角度来看，目前在实验室设计蛋白质的过程成本高昂。它需要提出一种能在体内执行特定任务的蛋白质结构，然后找到一种可能"折叠"到该结构中的蛋白质序列（组成蛋白质的氨基酸序列）。(蛋白质必须正确折叠成三维形状，才能实现其预期功能）。其实不一定非要这么复杂。本周，微软公司推出了一个通用框架EvoDiff，该公司声称可以根据蛋白质序列生成"高保真"、"多样化"的蛋白质。与其他蛋白质生成框架不同的是，EvoDiff不需要目标蛋白质的任何结构信息，省去了通常最费力的步骤。微软高级研究员凯文-杨（KevinYang）说，EvoDiff开源后，可用于创建新疗法和给药方法的酶，以及用于工业化学反应的新酶。"我们的设想是，EvoDiff将扩展蛋白质工程的能力，使其超越结构-功能范式，走向可编程、序列优先的设计，"EvoDiff的共同创建者之一杨在接受TechCrunch电子邮件采访时说。"通过EvoDiff，我们证明了我们可能实际上并不需要结构，而是'蛋白质序列就是你所需要的一切'，从而可控地设计出新的蛋白质"。EvoDiff框架的核心是一个640参数模型，该模型是根据所有不同物种和功能类别蛋白质的数据训练而成的。(参数"是人工智能模型从训练数据中学到的部分，基本上定义了模型处理问题的技能--在本例中就是生成蛋白质）。训练模型的数据来自序列比对的OpenFold数据集和UniRef50，后者是UniProt数据集的一个子集，UniProt是由UniProt联盟维护的蛋白质序列和功能信息数据库。EvoDiff是一种扩散模型，其结构类似于稳定扩散和DALL-E2等许多现代图像生成模型。EvoDiff可以学习如何从几乎完全由噪声组成的起始蛋白质中逐渐减去噪声，从而使其缓慢地、一步一步地接近蛋白质序列。EvoDiff生成蛋白质的过程。扩散模型已越来越多地应用于图像生成以外的领域，从设计新颖的蛋白质（如EvoDiff），到创作音乐，甚至合成语音。"如果说[从EvoDiff]中能得到什么启发的话，我认为那就是我们可以--也应该--通过序列来生成蛋白质，因为我们能够实现通用性、规模和模块化，"EvoDiff的另一位共同贡献者、微软高级研究员阿瓦-阿米尼（AvaAmini）通过电子邮件说。"我们的扩散框架让我们有能力做到这一点，也让我们能够控制如何设计这些蛋白质，以实现特定的功能目标。"对于阿米尼的观点，EvoDiff不仅能创造新蛋白质，还能填补现有蛋白质设计中的"空白"。例如，如果蛋白质的某一部分与另一种蛋白质结合，该模型就能围绕这一部分生成符合一系列标准的蛋白质氨基酸序列。由于EvoDiff是在"序列空间"而非蛋白质结构中设计蛋白质，因此它还能合成最终无法折叠成最终三维结构的"无序蛋白质"。与正常功能的蛋白质一样，无序蛋白质在生物学和疾病中发挥着重要作用，比如增强或降低其他蛋白质的活性。需要指出的是，EvoDiff背后的研究还没有经过同行评审--至少目前还没有。参与该项目的微软数据科学家萨拉-阿拉姆达里（SarahAlAMDari）承认，在该框架投入商业应用之前，"还有很多扩展工作要做"。阿拉姆达里通过电子邮件说："这只是一个6.4亿参数的模型，如果我们将其扩展到数十亿参数，我们可能会看到生成质量的提高。虽然我们展示了一些粗粒度策略，但要实现更精细的控制，我们希望EvoDiff以文本、化学信息或其他方式为条件，指定所需的功能。"下一步，EvoDiff团队计划测试该模型在实验室中生成的蛋白质，以确定它们是否可行。如果可行，他们将开始下一代框架的工作。...PC版：https://www.cnbeta.com.tw/articles/soft/1384011.htm手机版：https://m.cnbeta.com.tw/view/1384011.htm

MIT的 "FrameDiff" 生成式AI想象出可能改变医学的新蛋白质结构

MIT的"FrameDiff"生成式AI想象出可能改变医学的新蛋白质结构FrameDiff系统在构建单个蛋白质的任务中进行了测试，研究人员发现它可以构建多达500个部分的大蛋白质。与以前的方法不同，它不需要依赖预先存在的蛋白质结构图。图片来源：AlexShipps/MITCSAILviaMidjourney试想一下，如果我们能够加快针对新出现的病原体制造疫苗或药物的进程，那将会怎样？如果我们的基因编辑技术能够自动生成蛋白质，纠正导致癌症的DNA错误，那将会怎样？寻找能够与靶标强结合或加速化学反应的蛋白质对于药物开发、诊断和众多工业应用至关重要，但这往往是一项旷日持久且成本高昂的工作。为了提高我们在蛋白质工程方面的能力，麻省理工学院CSAIL的研究人员发明了"FrameDiff"，这是一种用于创建超越自然界的新蛋白质结构的计算工具。这种机器学习方法生成的"框架"符合蛋白质结构的固有特性，使其能够独立于已有的设计构建新型蛋白质，从而实现前所未有的蛋白质结构。在自然界中，蛋白质设计是一个缓慢的过程，需要数百万年的时间。麻省理工学院CSAIL博士生JasonYim说："我们的技术旨在为解决比自然界发展速度更快的人类问题提供答案。我们的目标是利用这种新的能力生成合成蛋白质结构，从而提高各种能力，例如更好的粘合剂。这意味着工程蛋白质可以更有效、更有选择性地附着在其他分子上，对靶向给药和生物技术有着广泛的影响，它可能发展出更好的生物传感器的开发。它还可能对生物医学领域及其他领域产生影响，如开发更高效的光合作用蛋白、创造更有效的抗体以及用于基因治疗的纳米粒子工程等。"框架结构蛋白质结构复杂，由许多原子通过化学键连接而成。决定蛋白质三维形状的最重要原子被称为"骨架"，有点像蛋白质的脊柱。骨架上的每个原子三元组都具有相同的化学键模式和原子类型。研究人员注意到，这种模式可以利用微分几何和概率的思想来构建机器学习算法。这就是框架的作用所在：从数学上讲，这些三元组可以被建模为刚体，称为"框架"（物理学中常见的），在三维空间中具有位置和旋转。这些框架为每个三元组提供了足够的信息，使其能够了解周围的空间环境。机器学习算法的任务是学习如何移动每个框架来构建蛋白质骨架。通过学习构建现有的蛋白质，该算法有望推广并能够创造出自然界中从未见过的新蛋白质。通过"扩散"训练构建蛋白质的模型需要注入噪音，随机移动所有帧，模糊原始蛋白质的样子。算法的工作就是移动和旋转每一帧，直到它看起来像原始蛋白质。虽然简单，但帧上扩散的开发需要黎曼流形上随机微积分的技术。在理论方面，研究人员开发了用于学习概率分布的"SE(3)扩散"，它将每个帧的平移和旋转部分非难连接起来。微妙的扩散艺术2021年，DeepMind推出了AlphaFold2，这是一种深度学习算法，用于从序列预测三维蛋白质结构。在创建合成蛋白质时，有两个基本步骤：生成和预测。生成"是指创建新的蛋白质结构和序列，而"预测"是指找出序列的三维结构。AlphaFold2也使用框架来建立蛋白质模型，这并非巧合。SE(3)扩散和FrameDiff的灵感来自于将框架纳入扩散模型，从而进一步发展了框架的概念，这种生成式人工智能技术已经在图像生成领域大受欢迎，例如Midjourney。蛋白质结构生成和预测之间共享的框架和原理意味着两端的最佳模型是兼容的。在与华盛顿大学蛋白质设计研究所的合作中，SE(3)扩散已被用于创建和实验验证新型蛋白质。具体来说，他们将SE(3)扩散与RosettaFold2结合起来，RosettaFold2是一种蛋白质结构预测工具，与AlphaFold2很相似，从而产生了"RFdiffusion"。这一新工具使蛋白质设计人员更接近于解决生物技术中的关键问题，包括开发用于加速疫苗设计的高特异性蛋白质结合剂、用于基因传递的对称蛋白质工程以及用于精确酶设计的稳健主题支架。FrameDiff未来的工作包括提高通用性，以解决药物等生物制剂的多种需求相结合的问题。另一个扩展是将模型推广到包括DNA和小分子在内的所有生物模式。研究小组认为，通过在更多的数据上扩大FrameDiff的训练并加强其优化过程，它可以生成与RFdiffusion具有同等设计能力的基础结构，同时保持FrameDiff固有的简单性。哈佛大学计算生物学家谢尔盖-奥夫钦尼科夫（SergeyOvchinnikov）说："摒弃[FrameDiff]中的预训练结构预测模型为快速生成大长度结构提供了可能性。研究人员的创新方法为克服当前结构预测模型的局限性迈出了可喜的一步。尽管这仍是一项初步工作，但它在正确的方向上迈出了令人鼓舞的一步。因此，得益于麻省理工学院研究团队的开拓性工作，蛋白质设计在解决人类最紧迫挑战中发挥关键作用的愿景似乎越来越触手可及。"Yim与哥伦比亚大学博士后BrianTrippe、法国巴黎国家科学研究中心数据科学中心研究员ValentinDeBortoli、剑桥大学博士后EmileMathieu、牛津大学统计学教授兼DeepMind高级研究科学家ArnaudDoucet共同撰写了这篇论文。麻省理工学院教授ReginaBarzilay和TommiJaakkola为这项研究提供了建议。该团队的工作部分得到了麻省理工学院AbdulLatifJameelClinicforMachineLearninginHealth、EPSRC基金和微软研究院与剑桥大学之间的繁荣合作项目、美国国家科学基金会研究生研究奖学金项目、美国国家科学基金会Expeditions基金、机器学习促进药物发现和合成联盟、DTRA发现应对新威胁和新兴威胁的医疗对策项目、DARPA加速分子发现项目和赛诺菲计算抗体设计基金的支持。这项研究将在7月举行的国际机器学习大会上发表。...PC版：https://www.cnbeta.com.tw/articles/soft/1370909.htm手机版：https://m.cnbeta.com.tw/view/1370909.htm

破解细胞密码：蛋白质折叠与疾病疗法的新见解

破解细胞密码：蛋白质折叠与疾病疗法的新见解马萨诸塞大学阿默斯特分校（UMassAmherst）的一项突破性研究破解了附着在蛋白质上的糖是如何引导蛋白质正确折叠的，为治疗由蛋白质错误折叠引起的疾病提供了可能。研究小组的方法揭示了一种特定酶在折叠过程中发挥的关键作用。这种蛋白质（红色）被糖（蓝色和绿色）糖苷化。资料来源：马萨诸塞大学阿默斯特分校揭开丝氨酸的神秘面纱这项发表在《分子细胞》（MolecularCell）杂志上的研究探讨了与多种疾病有关的丝氨酸蛋白家族成员。这项研究首次探讨了附着在丝蛋白上的碳水化合物的位置和组成如何确保它们正确折叠。从肺气肿、囊性纤维化到阿尔茨海默病等严重疾病，都可能因细胞对蛋白质折叠的监督出错而导致。找出负责高保真折叠和质量控制的糖蛋白代码，可能是针对多种疾病的药物疗法的一种很有前景的方法。科学家们曾一度认为，DNA是支配生命的唯一代码，一切都受DNA的四个构建模块--A、C、G和T--如何组合和重组的支配。但近几十年来，人们逐渐认识到还有其他代码在起作用，尤其是在人体细胞的蛋白质工厂--内质网（ER）--这个膜封闭的腔室中，蛋白质折叠的起始点就是内质网。约有7000种不同的蛋白质在ER中成熟，占人体所有蛋白质的三分之一。这些分泌蛋白统称为"分泌体"--负责人体从酶到免疫和消化系统的一切功能，必须正确形成才能使人体正常运作。蛋白伴侣在蛋白质折叠中的作用被称为"伴侣"的特殊分子有助于将蛋白质折叠成最终形状。它们还能帮助识别折叠不完全正确的蛋白质，为其重新折叠提供额外的帮助，或者，如果它们折叠错误得无可救药，则在它们造成损害之前将其锁定并加以破坏。然而，作为细胞质量控制部门的一部分，伴侣系统本身有时也会失效，一旦失效，就会给我们的健康带来灾难性的后果。发现ER中基于碳水化合物的伴侣系统要归功于麻省大学阿默斯特分校生物化学和分子生物学教授、本文资深作者之一丹尼尔-希伯特（DanielHebert）在20世纪90年代作为博士后开展的开创性工作。"我们现在拥有的工具，包括阿默斯特大学应用生命科学研究所的糖蛋白组学和质谱分析技术，让我们能够回答25年来一直悬而未决的问题，"Hebert说。"这篇新论文的第一作者凯文-盖伊（KevinGuay）所做的事情是我刚开始工作时梦寐以求的。"在这些悬而未决的问题中，最迫切的问题是：伴侣如何知道7000种不同的类似折纸的蛋白质何时正确折叠？理解蛋白质质量控制的创新我们现在知道，答案涉及一种名为UGGT的"ER守门员"酶，以及大量与蛋白质氨基酸序列中特定位点相连的碳水化合物标签，即N-糖。盖伊正在完成马萨诸塞大学阿默斯特分校分子细胞生物学项目的博士学业，他重点研究了两种特殊的哺乳动物蛋白质，即α-1抗胰蛋白酶和抗凝血酶。他和他的合著者利用CRISPR编辑细胞，修改了ER伴侣网络，以确定N-聚糖的存在和位置如何影响蛋白质折叠。他们观察了疾病变体被ER守门员UGGT识别的过程，为了更仔细地观察，他们利用质谱技术开发了一系列创新的糖蛋白组学技术，以了解蛋白质表面的聚糖发生了什么变化。他们发现，UGGT酶会在特定位置用糖"标记"折叠错误的蛋白质。这是一种代码，然后伴侣可以通过读取这种代码来确定折叠过程中哪里出错以及如何修复。影响和未来方向盖伊说："这是我们第一次能够看到UGGT在人体细胞制造的蛋白质上添加糖以进行质量控制的位置。我们现在有了一个平台，可以扩展我们对糖标签如何将蛋白质送入进一步质量控制步骤的理解，我们的工作表明，UGGT是靶向药物治疗研究的一个很有前景的途径。""这项研究最令人兴奋的地方在于"，马萨诸塞大学阿默斯特分校生物化学与分子生物学杰出教授、论文共同作者之一莱拉-吉拉什（LilaGierasch）说，"我们发现聚糖在ER中充当了蛋白质折叠的代码。UGGT所扮演角色的发现为未来了解并最终治疗由错误折叠蛋白质导致的数百种疾病打开了一扇大门"。参考文献《ER伴侣使用蛋白质折叠和质量控制糖代码》，作者：KevinP.Guay、HaipingKe、NathanP.Canniff、GracieT.George、StephenJ.Eyles、MalaiyalamMariappan、JosephN.Contessa、AnneGershenson、LilaM.Gierasch和DanielN.Hebert，2023年12月4日，《分子细胞》。DOI:10.1016/j.molcel.2023.11.006编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1403363.htm手机版：https://m.cnbeta.com.tw/view/1403363.htm

科学家发现制作良好植物性蛋白质的“终极方法”

科学家发现制作良好植物性蛋白质的“终极方法”人们普遍认为，减少肉类和奶酪的消费，转而食用植物食品是有益的。然而，当我们在超市的冷藏区面对传统的动物性食品和环保的替代蛋白质之间做出选择时，我们并不总是做出具有环保意识的选择。尽管现在很多植物性食品都有很好的风味，但往往缺乏"正确"的口感。此外，一些植物蛋白替代品在加工过程中会消耗资源，因此并不具有可持续性。但是，如果有可能制造出可持续的、富含蛋白质且口感适宜的食品呢？哥本哈根大学的最新研究为这一设想提供了动力。关键是什么？蓝绿藻。这种蓝绿藻并不是夏天在海中成为毒汤的那种臭名昭著的蓝绿藻，而是无毒的蓝绿藻。在玻璃管中培养微藻的封闭式光生物反应器。图片来源：IGV生物技术公司，CCBY-SA3.0DEED"蓝绿藻是一种活的生物体，我们已经能够让它们产生一种它们无法自然产生的蛋白质。尤其令人兴奋的是，这种蛋白质是以纤维状形成的，有点像肉类纤维。"食品科学系的PoulErikJensen教授说："我们有可能将这些纤维用于植物性肉类、奶酪或其他一些我们追求特殊口感的新型食品中。"在一项新的研究中，詹森和哥本哈根大学等机构的研究人员表明，通过将外来基因插入蓝藻，蓝藻可以作为新蛋白质的宿主生物。在蓝藻体内，这种蛋白质以细线或纳米纤维的形式组织起来。最少的加工-最大的可持续性全世界的科学家都把蓝藻和其他微藻作为潜在的替代食品。部分原因是蓝藻和其他微藻与植物一样，通过光合作用生长，部分原因是它们本身含有大量蛋白质和有益健康的多不饱和脂肪酸。"能够操纵一个活的生物体生产出一种新型蛋白质，并将其自身组织成线，这种程度是很少见的，而且非常有前途。此外，由于蓝藻依靠水、大气中的二氧化碳和太阳光生存，因此它是一种很容易持续生长的生物。这项成果赋予蓝藻作为可持续原料的更大潜力，"专门从事植物性食品和植物生物化学研究的普尔-埃里克-延森（PoulErikJensen）热情洋溢地说道。世界各地的许多研究人员都在努力为植物性食品（如豌豆和大豆）开发富含蛋白质的质地增强剂。然而，这需要大量的加工过程，因为需要将种子磨碎并从中提取蛋白质，以获得足够高的蛋白质浓度。"如果我们能在食品中利用整个蓝藻，而不仅仅是蛋白质纤维，就能最大限度地减少所需的加工量。"詹森说："在食品研究中，我们力求避免过多的加工，因为这不仅会影响食材的营养价值，还会消耗大量能源。"“明天的牛”教授强调说，从蓝藻开始生产蛋白质链还需要相当长的时间。首先，研究人员需要弄清楚如何优化蓝藻蛋白质纤维的生产。但詹森对此持乐观态度："我们需要对这些生物进行改良，以生产更多的蛋白质纤维，同时'劫持'蓝藻为我们工作。这有点像我们劫持奶牛为我们生产大量牛奶。只不过在这里，我们避免了任何有关动物福利的伦理考虑。我们不会在明天就达到目标，因为我们必须学会解决生物体内的一些新陈代谢难题。但我们已经在这个过程中了，我相信我们一定能成功，如果是这样，这就是制造蛋白质的终极方法。"一些国家已经开始工业化种植螺旋藻等蓝藻，主要用于健康食品。生产通常在露天下的“赛道池塘”中进行，或在光生物反应器室中进行，生物在玻璃管中生长。詹森认为，丹麦是建立"微藻工厂"生产加工蓝藻的理想之地。丹麦拥有具备适当技能的生物技术公司和高效的农业部门。"丹麦农业原则上可以生产蓝藻和其他微藻，就像今天生产乳制品一样。可以每天收获或挤出一部分细胞作为新鲜的生物质。通过浓缩蓝藻细胞，你可以得到一种看起来像香蒜酱，但含有蛋白质链的东西。只需极少的加工，它就可以直接加入食品中。"编译自:ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1422274.htm手机版：https://m.cnbeta.com.tw/view/1422274.htm