在航空燃料研发领域，劳伦斯伯克利国家实验室下属的联合生物能源研究所(JBEI)正通过人工智能、自动化和生物传感器技术，推动合成航空燃料研发进程。传统上，合成高性能喷气燃料依赖微生物将植物材料发酵，但生物系统不可预测性导致设计微生物“微型工厂”既缓慢又昂贵。JBEI团队展示了两种互补方法，显著加快了这一过程。

一方面，研究团队结合人工智能和实验室自动化技术，快速测试和优化生物燃料生产微生物的基因设计。他们构建了自动化流程，利用机器人并行创建和测试数百种基因设计，机器学习算法分析结果并推荐下一组菌株基因设计，运行速度比传统方法快10到100倍。通过这一方法，恶臭假单胞菌菌株的异戊二烯醇产量提高了五倍。另一方面，团队将微生物的“不良习性”转化为传感工具，发现提高生物燃料产量的潜在途径。他们改造微生物感知异戊二烯醇的分子系统为生物传感器，通过自然选择筛选出异戊二烯醇产量比原始菌株高出36倍的变种。

JBEI团队正致力于将实验室方法推广到工业发酵系统，这是实现合成航空燃料商业化生产的关键。他们也在调整方法，使其适用于其他微生物和目标分子，力求在生物制造领域广泛应用。生物传感器研究的资深作者托马斯·恩格表示：“这是两种强有力的互补策略，结合起来使我们能够比传统试错法更快取得进展。”数据科学与建模主任Héctor García Martín也强调，如果这些方法得到广泛应用，可能会重塑整个行业，大幅缩短新生物产品的开发周期。

出版详情：作者：David N. Carruthers 等人，标题：《自动化和机器学习驱动恶臭假单胞菌异戊二烯醇生产的快速优化》，发表于：《自然通讯》(2025)。