在医药中间体合成领域，手性分子的精准构建是决定药物疗效与用药安全的核心。

手性构型错误会直接导致药物失效，甚至引发严重毒副作用，因此高端医药中间体对光学纯度有着极致严苛的要求。

传统合成以化学催化为主，依赖重金属催化剂、高温高压反应条件，存在步骤冗长、立体选择性差、废弃物排放量大、重金属残留风险高等诸多短板。

以抗抑郁药物度洛西汀手性中间体（S）-HEES为例，传统化学合成收率低、操作复杂、提纯成本高昂，难以兼顾产能、质量与环保需求。

与之相比，酶催化作为绿色生物制造核心技术，可在常温常压、水相温和条件下完成手性分子精准合成，凭借超高立体选择性实现高光学纯度产物制备，同时大幅减少有机溶剂与有毒试剂使用，降低三废排放。

作为绿色化学与合成生物学交叉融合的产物，医药中间体酶催化已突破实验室研究阶段，逐步实现规模化工业落地。

本文系统梳理酶催化核心优势、主流工业酶类、AI赋能研发路径、产业落地现状与行业发展趋势。

酶催化基础篇：核心价值与商业化进程

Q1：为什么医药中间体合成特别需要酶催化？

A：医药中间体的核心壁垒是立体化学纯度，传统化学催化存在天然技术短板。

常用过渡金属催化剂在多数手性中间体合成中，难以稳定达到99.5%以上的极高对映选择性，难以满足高端手性药物的质控标准，且重金属残留始终是原料药生产的核心风险，大幅增加后处理与质检成本。

酶催化完美适配医药合成的严苛需求。

生物酶经自然进化形成独特的空间活性中心，可精准识别底物镜像结构，定向合成目标手性产物，可实现近乎 >99.9%的极高对映体过量。

同时酶催化反应条件温和，30-60℃、中性水相反应体系无需高温高压设备，大幅降低生产能耗与设备投入，从源头减少污染物排放，契合绿色化学核心原则，是医药中间体绿色合成的最优技术路径。

Q2：酶催化在医药中间体领域已经实现商业化了吗？

A：目前该技术已完成从“技术可行”到“商业化落地”的关键跨越。

国内多款酶催化合成的医药中间体、原料药生产工艺已通过国家药监局审评审批，正式纳入医药合规生产体系。

同时，国内多家医药企业依托工程化酶技术，实现高价值手性中间体的规模化量产，有效破解了传统化学合成的产业化痛点。

一、医药中间体酶催化的核心工业酶类

Four core industrial enzymes

适配医药中间体合成的酶类众多，结合产业化应用热度与场景适配性，酮还原酶、亚胺还原酶、转氨酶、环氧水解酶是四大核心主力酶种，覆盖绝大多数手性药物中间体的合成需求。

酮还原酶（KRED）是目前应用最广泛的工业酶，主要催化前手性酮不对称还原，生成药物核心手性醇结构，广泛用于抗病毒、抗肿瘤、抗抑郁药物生产。

在芦可替尼手性中间体工业化合成中，通过机器学习优化获得的双突变体酶，实现催化效率2.6倍提升、比活性提升10倍，在50 g/L高底物浓度下，可达成99%转化率与 >99.5%对映体过量，完全适配工业生产标准。

亚胺还原酶（IRED）主打含氮手性杂环中间体合成，可高效催化环状亚胺不对称还原与还原胺化反应。

在已上市抗血管炎药物Avacopan（阿伐可泮）、抗癌药拉罗替尼、西那卡塞等多款含手性胺/氮杂环药物关键中间体合成中，经工程化改造与固定化优化的亚胺还原酶，突破了传统合成路线烦琐、选择性差的问题，实现了复杂手性胺类杂环分子的高效绿色制备。

转氨酶（ω-TA）是手性胺类中间体合成的核心工具，可直接实现前手性酮到手性胺的定向转化。

在氟苯尼考关键中间体合成中，优化后的转氨酶实现“一锅法”级联催化，无需中间提纯，大幅简化生产流程，为这款经典抗生素提供了低成本、低污染的全新合成路线。

环氧水解酶（EH）主要催化环氧化物不对称水解，制备高纯度手性邻二醇。

经理性设计改造的环氧水解酶，热稳定性与催化活性显著提升，可高效合成多种手性邻二醇、环氧化物衍生手性砌块等核心药物骨架。

AI赋能篇：技术逻辑与数据需求

Q1：AI具体如何帮助医药中间体酶催化？

A：AI彻底革新了传统酶催化“盲目试错”的研发模式，实现全链路智能化赋能。

一是智能酶挖掘。

蛋白质语言模型可从海量未表征序列中精准筛选新型功能酶，极大拓展工业酶资源库。

天鹜科技MatwingsVenus™（晓鹜™）平台整合百亿级蛋白质数据，可通过自然语言对话完成挖酶、功能预测等全流程研究。

二是精准酶改造。

AI定向进化可依托少量实验数据，精准筛选有益突变，将数千组筛选样本压缩至数十组，大幅降低研发成本。

芦可替尼中间体酶改造就是典型工业应用案例。

三是高效工艺开发。

AI构建“干湿闭环”研发模式，通过“设计－验证－反馈－升级”的循环体系，将传统2—5年的研发周期压缩至2-6个月。

Q2：AI辅助酶催化研发需要多少初始数据？

A：不同技术路径数据需求差异显著。

酶挖掘可实现零样本、少样本启动，直接通过序列预测蛋白功能；

AI定向进化仅需10-50组基础突变数据即可启动迭代优化；

高精度深度学习模型需前期大数据预训练，但落地后可快速输出预测结果，适配工业化快速研发需求。

二、AI驱动酶催化，重构绿色制造研发范式

AI-driven closed-loop R&D for biocatalyst development

传统酶催化研发依赖人工试错，需要海量突变体筛选、反复实验验证，周期长、成本高、成功率低，严重制约产业化进度。

而AI与合成生物学的融合，彻底重构了酶催化的研发逻辑，实现从“经验试错”到“数据智能设计”的转型。

天鹜科技自研的MatwingsVenus™（晓鹜™）对话式蛋白质研发智能体，针对医药中间体场景打造了系统化解决方案。

平台依托百亿级蛋白数据与两百余款设计工具，可精准预测酶的催化活性、底物特异性与工业稳定性。

用户通过自然语言即可下达研发指令，平台自动完成酶挖掘、突变设计、工艺优化全链路工作，大幅降低研发门槛。

该平台入选世界人工智能大会（WAIC）“镇馆之宝”名单，是全场唯一入选的AI for Science产品。

产业化数据显示，平台可将传统2—5年的研发周期压缩至2-6个月，实验样本从万次减至百次，研发成功率从5%提升至30%。

目前平台已累计交付30余个工业级蛋白质设计项目，技术成熟度得到市场验证。

三、产业落地现状、挑战与未来展望

Industrial bottlenecks & future trends

当前，医药中间体酶催化已从学术研究全面迈入规模化商用阶段。

国内酶催化合成工艺成功通过药监局审批，实现合规化生产；

多家药企依托工程化酶技术，实现高端手性分子量产；

产学研合作平台持续突破，成功开发酶催化烯烃环氧化等新型绿色合成路线，解决了多款高难度药物中间体的合成难题。

天鹜科技等头部企业依托AI酶设计技术，为医药、美妆、保健品等领域提供一站式绿色催化解决方案，加速行业转型。

但行业规模化普及仍面临三大核心挑战：

其一，酶性能瓶颈。

天然酶的稳定性、底物适配性、耐工业环境能力不足，需持续工程化改造。

其二，产业化放大壁垒。

实验室小试工艺难以直接复刻至工业生产，酶固定化、辅因子再生、反应器适配等工程问题仍需优化。

其三，成本竞争力不足。

相较于成熟化学工艺，酶制剂、辅因子成本仍有优化空间。

整体来看，行业发展趋势明确且不可逆。

随着AI蛋白质设计技术持续迭代、高性能工程酶不断落地，叠加国内双碳与绿色制造政策加持，酶催化将彻底摆脱“小众替代技术”的定位，升级为医药中间体合成的主流路线。

从智能酶挖掘、AI精准改造到规模化工业应用，医药中间体领域正全面完成从传统化学合成到绿色生物制造的范式转型，为国内医药产业高质量、低碳化发展提供坚实的技术支撑。

声明：本文内容仅代表作者个人观点，与本站立场无关。

如有内容侵犯您的合法权益，请及时与我们联系，我们将第一时间安排处理。