Ag Tech Talk 播客：Lavie Bio 使用 AI 引擎节省将产品推向市场的时间和金钱（第 1 部分）

---

将新产品推向市场是一个成本高昂且通常相当漫长的过程。任何可以缩短该过程的方法都可以节省时间和金钱。 拉维生物 用过的 微升人工智能 开发两种新的生物杀菌剂，计划在未来几年内推向市场。我们采访了 Lavie Bio 的商务执行副总裁兼美国总经理 Russ Putland 和首席产品官 Nir Arbel 进化基因，Lavie Bio 的母公司，了解这些解决方案是如何产生的，以及公司计划如何确保监管批准并鼓励最终用户采用。

播客成绩单：

AgriBusiness Global：让我们简单介绍一下公司的背景。您提供什么，您在做什么，以及您与市场上其他参与者的区别是什么？

拉斯·普特兰： Lavie Bio 诞生于 Evogene，Evogene 是我们的母公司，为我们提供产品。你知道技术和人工智能、大数据和那个基础。

我们努力提高食品质量、可持续性和农业生产力。我们通过微生物组，通过微生物来做到这一点。这就是整个想法。而用微生物做到这一点，我们必须利用该技术才能做到这一点。所以这就是我们尝试做的事情的高端观点。

实际上，它是关于替代合成产品或提高食品生产以使其更健康和可持续的。要做到这两点，你必须拥有高产的农业，你必须增加价值。

你知道，对我们要去的世界有一种无私的看法是件好事，你知道的。让它成为一个更环保的地方，我们就会拯救我们的土壤。但为了做到这一点，如果你没有财务可持续性，它就会失败。

产品必须站得住脚，生产更多，或者生产得更好，或者生产属性。有很多不同的方法可以做到这一点，但归根结底，它必须在财务上是可持续的。

所以，我们努力做的就是将这些工具交到我们的生产者手中，这样他们就可以种植更多蒲式耳，或者更有针对性的蒲式耳，或者更健康的谷物或水果，或者蔬菜，这取决于我们所处的市场。和然后，反过来，让供应链认识到这种价值，一直到消费者，消费者愿意为更健康、更好或更高价值的食品买单。

ABG：好的，关于微生物组。我们最近听到了很多关于它的消息。我知道我们已经写过关于它的故事。我们在了解那里有什么的过程中处于什么位置——构成微生物组的所有不同部分？

回复: 是的，是的。如果将其与传统的合成化学和农业，甚至人类健康进行比较，它与您所知道的有很大不同。这是非常非常不同的。世界上和合成世界中有数十亿微生物，我们已经用完了微生物组和活性成分，老实说，自 80 年代以来，我们还没有真正看到过一堆创新或新事物。

而现在，由于能够利用这数十亿种微生物，找出哪些微生物是有益的变得更具挑战性。

它们就在那里，我们拥有这些做伟大事情的奇妙微生物，但我们需要能够清楚地看到它们，这样我们才能真正让它们成为植物中的活工厂，并以自然的方式将它们用于积极的用途。

尼尔亚伯： 如果可以的话，请在这里插话。我还认为微生物组和微生物领域以及对它的理解——它还处于起步阶段。在过去的 10 到 15 年里，它有了巨大的飞跃。

但就生命科学产品开发而言，这几乎是昨天诞生的。所以，这是一个非常令人兴奋的领域。你会看到很多投资者对该领域感兴趣。你会看到很多公司进入这个领域。但我认为这个领域真正的魔力还没有到来，因为还有很多东西需要学习，还有很多东西需要理解，而我们现在真的只是触及表面。

ABG：也许现在是讨论公司提供的解决方案的好时机。您提到了技术引擎 MicroBoost AI。这对您尝试开发的产品中的微生物组有何影响？

不适用： 几年前，MicroBoost AI 开始成为一个引擎，当时 Evogene 决定在基因组领域使用或利用它的技术诀窍。所以微升压的基础。人工智能是理解基因组学的能力，但不像以前那样，最初主要是在植物上。现在，观察微生物并很好地了解微生物的基因组学。当你想研究微生物群落时，挑战在于我们需要深入研究大量信息，才能真正了解你正在观察的是什么，你试图找到的是什么，而且它是在任何给定时间都真正是大海捞针。所以，我们正在尝试做的，提出我们的解决方案，是去解决那些非常具有挑战性的问题。

因此，MicroBoost AI 的基础是收集大量的微生物基因组，并将它们分解成基因，这些基因反过来可以了解它们的功能，并将它们组合在一起。因此，即使不是最大的数据库，我们也拥有世界上最大的微生物基因及其功能数据库之一，这些数据库已编目。因此，我们能够将基因聚类在一起，以了解它们的功能是什么，显然，Lavie 可以利用这一点，因为当他们正在寻求开发产品和发现新微生物时。他们可以利用这些目录来尝试了解他们正在寻找什么样的功能。这种功能在哪里存在，他们的冰箱里有什么细菌，或者在他们可以接触到的公共领域——他们可以找到这些特定的功能。所以这将是 MicroBoost AI 的最大优势。

最重要的是，通过了解基因组学，我们可以做的是在不同样本或不同微生物之间进行非常复杂的比较，而这让科学家们可以做的是比较和发现新的功能以及与这些功能相关的基因，这意味着如果你知道，也许这是一个很好的例子。因此，Lavie Bio 长期以来一直在寻找哪些基因与保质期相关，这是一个不明显的问题。正确的？所以，很明显，细菌进化并没有引导它们走向保质期，但归根结底，它们作为产品确实有某种保质期。因此，对于 Lavie 来说，MicroBoost AI 能够做的是曾经研究具有良好保质期的细菌，以及那些没有的细菌，以突出显示哪些基因最有可能为他们的微生物或他们的产品提供良好的保质期，这在您寻求开发产品时会产生巨大影响。

回复: 所以，你想想为什么；为什么这有关系？好吧，问题是你需要微生物在你使用它们时保持活力，对，并在植物中建立和创造活的工厂。

此外，从商业的角度来看，拥有它是非常好的，你可以将产品保存一年，并且仍然可以直接从库存管理中使用它。这有商业方面的意义，而不仅仅是可行性。

ABG：开发产品时需要考虑很多因素。传统合成产品的开发可能需要十几年时间和数亿美元。这就是真正制造它的产品。而且这还不算所有尝试过的东西，投入一年并弄清楚是行不通的。这个系统能节省你的时间吗？它能帮你省钱吗？那里有数十亿微生物。试图弄清楚它们是如何协同工作的。排列可能实际上是无穷无尽的。

回复: 我可能会简单介绍一下我们的流程，然后让 Nir 谈谈它背后的技术。我认为它也可以。所以，它与合成化学没有什么不同，你从产品需求开始。我们必须知道我们正在尝试构建什么，为什么，我们正在尝试构建它。

我们必须考虑建造我们的成本是多少，你知道建造它的齿轮是什么，以及它在今天的环境和法规中是否可用。那么，所有这一切都满足了需求，该产品是什么样的？

你在开始时越接近它，你在整个过程中的表现就会越好。

然后它进入 Nir 的世界，在那里你知道他们已经将这些基因映射到功能中，你知道这一切都在完成和编目，对吧。你知道我们已经购买了一个名为 Taxon 的目录。我们有一些，你知道的，我们非常了解的公共领域微生物，然后我们将其添加到其中。

以色列是微生物来源的好地方，因为你们有各种不同的气候，对吧？所以，你在这个国家拥有一大堆多样性。所以，这对我们来说是非常幸运的。在绘制这些图谱时，您开始挑选出适合该产品要求的单个微生物或微生物群。然后 MicroBoost 接管。你开始从那里拉动并拉动组合。我听说我们的科学领袖说，你知道有一些组合可以作为传统科学无法组合的建议。这不是现实。

不适用： Russ 说得很中肯，这对人们理解这一点至关重要。计算不是为了给出最终产品。所以，没有人期望我们将信息输入计算机，而某种人工智能会给出一个单一的微生物，你知道，这是完美的解决方案。我们试图通过识别更少且更可实现的微生物数量来测试整个过程的风险，这将使您了解它确实有效并且预测足够好.

因此，效率和成本节约的工作方式是一旦像 Russ 提到的那样，您就从产品要求开始。您尝试了解您需要什么。你可以去目录，提前挑选出你需要的基因。但通常会发生的是，仍然会有一些功能，你不能完全确定相关基因是什么，然后构建正确的实验，这些实验可能来自出版物的公共领域，或者会出来，你从公司的实验方面知道，并将它们正确地输入算法，然后可以充实该功能的最高回报基因。

最后的重点是，你知道，将所有这些点连接在一起。因为如果你想在频率方面做到这一点，很容易找到正确的，因为你会的。你会很容易地找到抗真菌的细菌，或完整的昆虫，等等。但这并不能满足所有的产品要求。你也需要齿轮。你还需要监管方面，并以非常有效和快速的速度将所有这些结合在一起——这就是让科学家们能够拿出他们认为最有潜力的产品来测试它的原因。这就是只提供一种细菌产品的简单解决方案。

一旦你想寻找不止一种细菌来建立一个联合体。然后，我所说的一切都会变得更加复杂，在这里使用计算工具是必要的，因为将细菌组合起来绝对不是一件容易的事。因此，弄清楚我们将如何合作是一个非常具有挑战性的问题。那里有多种解决方案，但是使用计算工具对此非常非常有效。

因此，将所有这些属性结合在一起是关键。但真正测试它们并确保其有效才是真正节省成本和时间的方法。也许作为最后一点，就像我之前提到的那样，查看保质期也是关键。这绝对可以节省时间和成本，因为保质期较短的细菌的损耗率约为 30%。货架式通常是您测试的最后一件事，因为您经历了整个过程并开发了您的产品。然后你要做的最后一件事就是种植它，然后把它放在货架上，每隔几个月测试一次，以确保你知道它是可持续的并且有很长的保质期。如果你在六个月后发现，那么你必须回过头来，30% 的损耗率意味着每 10 个开发中的产品中有 3 个或 4 个会在那个时候失败。

因此，通过能够预测哪些基因会影响保质期，并从一开始就扫描细菌，并确保它们包含这些基因，将真正降低当时失败的风险，这将节省很多时间。