《Biotechnology Advances》：IBISBA: Digitalisation to empower biotechnology and drive biomanufacturing
编辑推荐：
生物经济可为绿色增长与工业主权提供机遇。为释放生物经济潜力，需要增强协作的战略。IBISBA作为分布式研究基础设施(RI)，处于赋能协作行动的有利位置。通过将知识加速转化为创新，IBISBA可增强生物制造。IBISBA正在开发工业4.0(4IR)工具，以驱动生
生物经济可为绿色增长与工业主权提供机遇。为释放生物经济潜力，需要增强协作的战略。IBISBA作为分布式研究基础设施(RI)，处于赋能协作行动的有利位置。通过将知识加速转化为创新，IBISBA可增强生物制造。IBISBA正在开发工业4.0(4IR)工具，以驱动生物制造中的数字化。未来生物技术进展将越来越依赖建模与数据科学，尤其是人工智能(AI)与机器学习(ML)；数据集与软件需满足可发现、可访问、可互操作、可重用(FAIR)原则。欧洲RI可整合世界级科学与设施，推动开放科学并参与欧洲开放科学云(EOSC)。IBISBA是面向生物制造的泛欧洲RI，通过协调多国设施提供端到端生物工艺开发服务，并建设电子基础设施(e-infrastructure)：包括IBISBA知识中心(IBISBAkub)、生物反应器操作元数据标准、近实时数据计算环境、软传感器与混合模型。在Bioindustry 4.0项目中，IBISBA与MIRRI、ELIXIR、BBMRI、DSMZ等合作构建数据织物(data fabric)、实时数据采集框架、数字影子(DS)与数字孪生(DT)。研究人员提出由生成式人工智能(genAI)辅助的“数字孪生工厂”生态：组件化、可组合、可溯源，并借助数据空间(data-space)与联邦学习(federated learning)在保护数据主权和知识产权(IPR)下实现跨组织学习。该愿景可支撑柔性生产网络、按需制造与去中心化生物制造，使生物制造更具韧性、可扩展且低成本，从而服务欧洲工业主权与生物经济战略。
研究背景方面，人类面临前所未有的重大挑战，生物制造可利用生物技术生产多种产品与服务。但尽管科学进展、政治意愿和国际竞争加强，生命科学知识向工业工艺与制成品转化的成功案例仍较少，许多项目难以跨越所谓“死亡之谷”。生物制造面临的主要障碍包括：实验室规模概念向商业规模工艺转化不足，资本可得性不足，早期技术转化困难，监管不确定性，以及消费者和政策制定者对生物基产品效能与可持续性的负面认知。在欧洲，异质监管格局割裂市场，私人和风险投资不足，风险承受度较低，也制约了生物技术驱动生物制造的发展。现代生物技术是跨学科混合领域，未来进展越来越受建模与数据科学驱动，尤其是人工智能(AI)和机器学习(ML)。要处理复杂生物系统信息，需要无缝实时数据采集、数据管道优化、模型验证、高质量AI就绪数据集、高级数据分析与数据共享。数据集和软件应满足可发现、可访问、可互操作、可重用(FAIR)原则。单个国家机构难以承担支撑生物技术数字框架的重任，因此欧洲层面的研究基础设施(RI)被寄予厚望。RI汇聚世界级科学与前沿技术，通过访问提供、集成与协调促进创新；许多RI还能生成或促成异质高质量数据集，适合牵头FAIR数据与软件开发，并参与欧洲开放科学云(EOSC)。
研究人员指出，IBISBA是被欧洲研究基础设施战略论坛(ESFRI)路线图识别的泛欧洲研究基础设施(RI)，使命是统筹欧洲基础设施能力以增强生物制造，特别是加速知识向创新转化。IBISBA联合多国高校与研究机构设施，以模块化服务单元支持端到端生物工艺开发，覆盖至中试规模测试，并具有生命科学、工程学科与计算机科学交叉的特征。IBISBA正走向法律实体化，预计以欧洲研究基础设施联盟(ERIC)形式于2027年启动IBISBA-ERIC。其电子基础设施(e-infrastructure)以IBISBA知识中心(IBISBAkub)为起点，该中心是FAIRDOM-SEEK实例，可登记数据文件、模型、标准操作程序(SOP)、工作流、文档与出版物，并提供分级访问与数字对象标识符(DOI)发布功能。IBISBA还发展生物反应器操作元数据标准、近实时数据计算环境、软传感器与混合模型，以支持AI/ML训练、测试和部署。
关键技术与方法方面，研究人员依托Bioindustry 4.0项目，联合MIRRI、ELIXIR、BBMRI、DSMZ等欧洲RI，构建数据织物(data fabric)以统一访问多源数据；采用轻量级设备适配框架(LEAF)实现物联网(IoT)时间序列与近实时数据采集；建设FAIR数据站与IBISBAkub以实现元数据目录和资产共享；制定生物反应器操作元数据标准以增强互操作性；开发软传感器、混合模型、物理信息神经网络(PINN)与数字影子(DS)，并向数字孪生(DT)推进；提出以生成式人工智能(genAI)辅助编排计算工作流，并用数据空间(data-space)、可信研究环境及联邦学习(federated learning)在保护数据主权、使用权和知识产权(IPR)下交换模型与知识。
研究结果部分，第一节欧洲生物制造研究格局指出，生物制造潜力尚未释放，转化瓶颈、监管碎片化和资本约束使欧洲处于不利位置；数据驱动生物学要求RI承担FAIR数据与开放科学协调角色。第二节IBISBA RI中，研究基础设施与电子基础设施小节说明，e-infrastructure应连接数据资源以促进整合共享，EOSC与欧洲数据基础设施是方向；IBISBA小节说明，IBISBA通过分布式设施提供模块化R&D服务，增强可重复性、互操作性与标准实践；IBISBA的e-infrastructure小节说明，IBISBAkub、元数据标准、计算环境和软传感器构成其数字底座。第三节IBISBA面向智能生物制造的愿景中，面向工业生物技术的GenAI赋能数字孪生生态小节指出，工业4.0(4IR)强调数据驱动，工业5.0更强调社会与可持续价值，IBISBA在Bioindustry 4.0中构建data fabric、实时采集、DS与DT，并借genAI降低建模门槛；智能工厂小节指出，DT可提升效率，但单用途模型、本地耦合和数据架构碎片限制复用，genAI可编排DBTL循环、形成“数字孪生工厂”这种可组合组件生态。第四节数字资产交换：数据与模型指出，资产交换需AI就绪、FAIR与标准元数据；IBISBA路线包括数据采集框架、元数据目录、数据空间和EOSC；跨组织学习可采用联邦学习，使模型本地训练、聚合更新而不集中敏感数据。变革性影响与展望小节总结，DT工厂可替代高成本慢速实验，支持柔性生产网络、按需制造和去中心化生物制造。通往生物制造4.0小节指出，4IR在生物制造仍处早期，IBISBA适合做研究与标准枢纽，但产业规模落地需要企业联盟、政策推动及类似欧洲共同利益重要项目(IPCEI)机制。结论性评论小节总结，IBISBA通过聚合分散设施与技能、建立数字骨干，可减少重复研究并促进跨界协作。
讨论与结论方面，研究人员认为欧洲具备通过IBISBA等资产加速智能生物制造的战略机会。成功不只是把现有工作流数字化，而是要把数字孪生(DT)、生成式人工智能(genAI)和以EOSC及产业主导数据空间为基础的资产交换策略汇合，建立可信、可扩展、可互操作的生态系统。IBISBA作为分布式RI，可成为学术、公共研究与企业之间的协调平台；但其服务使命决定它不会替代产业主导的数字化转型。真正的大规模智能生物制造，需要商业实体领导、政策制定者支持、行业联盟定义安全与法律框架，并可能通过成员国发起IPCEI来推动。最终结论是：IBISBA为欧洲生物技术从碎片化研究走向协同、标准化和数字化提供关键底座；未来下一代生物工业研究与技术基础设施应以可扩展性、互操作性和可信数字生态为核心，从而支撑工业主权、循环生物经济以及更具韧性的生物制造体系。
