近年来，生物科技领域正经历一场由生物测序技术推动的深刻变革。随着测序能力的指数级增长，全球天然基因库积累了海量的基因序列数据，蕴藏着无数具有潜在价值的功能基因。然而，一个不容忽视的现实是，目前我们对这些基因的了解还十分有限，只有极少数“明星基因”得到了充分的研究和应用，绝大部分基因资源仍处于沉睡状态，未能发挥其应有的作用。这种巨大的知识鸿沟，制约了生物制造和合成生物学的进一步发展。
为了打破这一瓶颈，中国科学院深圳先进技术研究院定量合成生物学全国重点实验室娄春波团队，与北京大学定量生物学中心钱珑团队强强联合，在国际顶级学术期刊《Science Advances》上发表了一项具有里程碑意义的研究成果。他们成功研发出全球首个专为合成生物学元件挖掘和生物制造应用设计的大语言模型——“SYMPLEX”。这一成果标志着人工智能技术在生物科学领域的应用进入了一个新的阶段。
SYMPLEX 模型巧妙地融合了领域大语言模型的训练、合成生物学专家的知识积累以及大规模生物信息分析技术。通过对海量生物学文献进行深度学习，SYMPLEX能够自动化地挖掘功能基因元件，并对这些元件在工程化应用中的潜力进行精准评估。换言之，它不仅能发现潜在的“宝藏基因”，还能预测这些基因在实际应用中的价值，极大地加速了基因挖掘和应用的进程。
作为概念验证，研究团队将 SYMPLEX 模型应用于 mRNA 疫苗生物制造的关键环节——加帽酶的挖掘。结果令人惊喜，他们成功发现了多种性能卓越的新型加帽酶。经验证，这些新型加帽酶的催化效率远超行业标杆企业New England Biolabs（NEB）的商业化加帽酶，效率提升高达两倍以上。这意味着 mRNA 疫苗的生产效率有望大幅提升，同时生产成本也将显著降低，为疫苗的普及带来积极影响。这一案例充分展示了 SYMPLEX 模型在加速生物制造创新方面的巨大潜力。
SYMPLEX 的核心创新在于其深度融合大型语言模型（LLM）与结构化的生物知识库。它构建了一个智能基因挖掘平台，能够像一位经验丰富的生物学家一样，自动阅读和理解海量的生物学文献，并从基因、功能和知识三个维度对文献内容进行提取和分析。更重要的是，SYMPLEX 能够与专家数据库进行概念对齐和交互，并基于先进的生物信息技术生成统计模式，最终提供具有完整证据链的高质量候选基因集合。这种融合专家知识和大数据分析的方法，极大地提升了基因挖掘的准确性和可靠性。
与传统基因挖掘流程相比，SYMPLEX 大模型在挖掘基因的深度、数量和多样性方面都展现出显著的优势。它挖掘的基因多样性甚至超越了现有蛋白质功能预测模型的边界，意味着 SYMPLEX 有潜力发现更多前所未有的生物功能和机制。此外， SYMPLEX 还能有效避免大型语言模型常见的“幻觉”问题，并自动生成与基因功能相关的细粒度知识树，为科研人员提供了宝贵的工具，引导他们深入探索广泛的生物机制和分子过程。这些功能将极大地助力科研人员开展更深入的生物学研究。
目前，SYMPLEX 在线交互式平台已经正式上线，面向全球研究人员开放。该平台采用模块化设计，提供三个核心功能：文献智能提取引擎 PubEngine，支持高通量的文献智能检索分析与可视化交互；基因功能标注系统 GeneTagger，可实现从分子机制到生物过程的细粒度自动化基因与功能提取；以及标准化知识中枢 GeneNorm，实现与专家知识库的概念对齐与标准化，并支持知识树构建和功能模式识别。这些功能模块的组合，为研究人员提供了从文献检索到基因功能分析的一站式解决方案，将极大地提升科研效率。
