“我们不是在预测基因，而是在理解生命系统的语言。”Biographica的联合创始人Dominic Hall博士这样描述他们的工作，“就像ChatGPT理解了人类语言的结构，我们试图理解基因与性状对话的语法。
这种理解正在改变一个传统育种行业的面貌。
01
当基因剪刀找不到该剪的位置
在英国剑桥郊外的一处温室里，番茄植株正在模拟的干旱条件下生长。隔壁实验室，研究人员正在对上千个基因编辑样本进行表型分析——这是全球种业巨头日常研发的缩影。
“我们有最先进的CRISPR基因编辑技术，但面对作物基因组中数万个基因，我们依然像在黑暗中摸索。”一位不愿具名的国际种企研发负责人坦言，“传统方法找到有价值靶点的概率，比中彩票高不了多少。”
这正是Biographica创始人Cecily Price在接触多家种子公司后发现的行业痛点。这位曾在生命科学和科技投资领域深耕的创业者意识到：农业生物技术正处在“工具过剩而导航缺失”的尴尬阶段。
02
从制药业寻找的灵感
Price和Hall的解决方案颇具跨界色彩——将制药行业验证过的“干湿实验闭环”模式引入农业。
“在药物研发中，AI平台提出候选分子，实验室验证结果，数据再反馈给AI学习——这个循环让发现效率呈指数级提升。”Hall解释道，“我们将同样的逻辑应用于作物基因发现，但挑战更大，因为作物的生长周期以月甚至年计。”
Biographica的突破在于构建了一个能理解基因“上下文”的模型。它不仅能识别单个基因的功能，更能解读基因间的协作网络——就像理解一篇文章不仅要认识每个字，还要懂得语法和修辞。
03
与种业巨头合作
与大型种企的合作，Biographica采取了巧妙策略。
“我们不会说‘把你们几十年积累的数据都给我们’，”Price分享他们的合作哲学，“相反，我们先用公开数据和我们自己的实验数据训练模型，然后用我们的预测结果与客户的已验证数据进行比对。”
这种尊重数据主权的方式赢得了信任。在与一家全球前五种企的试点中，Biographica不仅快速复现了客户耗时三年发现的靶点，还提出了三个全新的候选基因——这些基因在传统筛选逻辑中曾被忽略，因为它们在统计上与目标性状的关联性不强，但AI模型从功能网络中识别出了它们的潜在作用。
04
实验室里的“速度与激情”
为了加速验证周期，Biographica在伦敦建立了高通量验证平台。与传统田间试验需要整个生长季不同，他们的系统能在数周内完成基因编辑和初步表型分析。
我们正在将‘实验室循环’的速度提升到传统方法的10倍以上，”Hall展示着实时数据大屏，“每个实验结果都在让我们的AI变得更聪明。”
这种快速迭代能力吸引了巴斯夫旗下Nunhems的关注，双方已就蔬菜作物的多个性状改良展开合作。虽然具体项目尚未公开，但知情人士透露，这涉及利用AI设计更适应气候变化的作物生理特性。
05
投资人心中的秤砣
领投方Faber VC的合伙人Sofia Santos道出了资本市场的考量：“农业生物技术投资正在从‘转基因概念’转向‘精准设计能力’。Biographica代表的不是单项技术突破，而是整个研发范式的转变。”
她算了一笔账：传统性状开发平均需要8-12年，成本高达1-2亿美元。如果将发现阶段的效率提升10倍，不仅意味着时间和成本的节省，更代表着种企能在气候变化的赛跑中抢占关键窗口期。
06
种业逻辑的重塑
在Price看来，Biographica的雄心不止于成为一家AI服务商。
“我们正在参与重新定义种业研发的工作流程，”她站在公司布满植物和服务器机架的办公空间中说，“未来，育种学家可能不再需要从海量文献中寻找线索，而是与AI共同设计育种方案。”
这种转变已经悄然发生。一位合作方育种专家描述了他的新工作方式：“以前我80%的时间在查阅文献和设计实验，现在我可以更专注于理解AI提供的候选基因背后的生物学意义。”
随着新一轮融资到位，Biographica计划将平台拓展到更多作物和性状。“我们从抗病性、非生物胁迫耐受性入手，因为这些是行业最急迫的需求，”Hall透露，“但平台的潜力在于，一旦建立对某种作物基因网络的理解，就能快速应用于各种性状改良。”
傍晚时分，当伦敦金融城的灯火渐次亮起，Biographica实验室的植物生长灯依然明亮。这些在AI指导下进行基因编辑的植株，也许正孕育着应对气候挑战的新答案。在它们细小的叶片里，一场关于如何更智慧地养活这个星球的革命，正在悄然生长。
