dsm-firmenich 使用蛋白质折叠 AI 加速风味和香水的发现
随着dsm-firmenich将生物分子人工智能引入寻找新的气味和味觉分子，香精和香料的发现正在发生重大转变。2026年9月14日，该公司宣布与由麻省理工学院前科学家创立的人工智能公司Boltz建立合作伙伴关系，将专有基础模型应用于其成分发现过程
。该合作伙伴关系将基于人工智能的分子建模与dsm-firmenich丰富的味觉和气味受体数据联系起来。对于化学品贸易商、食品原料供应商和采购团队而言，这一发展标志着朝着更快的分子筛选、更具针对性的配方以及对特殊成分的潜在更广泛需求迈进。
蛋白质折叠人工智能如何进入风味发现
传统上，蛋白质折叠和生物分子建模在药物研究中引起了广泛关注。同样的科学方法还可以帮助研究人员了解分子如何与蛋白质相互作用，包括负责检测味觉和气味的受体
。Boltz 开发了专为生物分子建模和分子设计的 AI 模型。它的平台包括用于预测结构和设计分子的工具，为科学家提供了在投入大量实验室资源之前探索化学可能性的计算方法
。对于 dsm-firmenich 来说，该应用程序具有很强的针对性。该公司计划将Boltz的模型与自己的味觉和气味受体信息库相结合，以研究潜在分子如何与感官受体相互作用
。这为成分发现开辟了一条不同的途径。科学家们不必仅依赖传统的筛选和重复实验，而是可以使用计算模型来缩小潜在候选的范围，并在过程的早期确定有前景的分子方向
。为什么 dsm-firmenich 和 Boltz 的伙伴关系很重要这种合作
不仅仅是在现有实验室工作流程中添加人工智能工具。dsm-firmenich 表示，此次合作将生产融合数十年的感官科学专业知识的
独家模型。这种组合可能会变得特别有价值，因为成功的香精和香料开发同时取决于多个变量。分子必须提供预期的感官特征，同时符合技术、商业和监管要求。
潜在的好处包括：
更快的分子探索：在将有前途的候选人转移到实验室工作之前，科学家可以通过计算评估更广泛的分子可能性
。更有针对性的发现：受体相互作用数据可以帮助团队专注于具有特定感官目标的分子，而不是在没有明确方向的情况下探索化学空间。
更大的创作灵活性：调香师和调味师可以在保留感官专业知识和创造性判断力的同时，获得额外的分子起点。
更强的专有知识：将人工智能模型与专门的受体数据相结合，可以创建专为香精和香料开发量身定制的工具。
dsm-firmenich 已经有将人工智能应用于风味创建的经验。该公司此前描述了一种人工智能生成的口味，该口味专为植物性肉类替代品中的天然牛肉口味而设计，这表明计算方法已经成为其产品开发战略的一部分
。这对食品原料购买者可能意味着什么食品
制造商在管理成本、监管要求和消费者期望的同时，越来越需要差异化的口味特征。人工智能辅助发现可能会改变成分组合随着时间的推移而演变的方式
。对于采购团队来说，重要的一点不在于人工智能将立即取代传统成分。相反，它可能会增加进入开发渠道的潜在分子和制剂的数量
。这最终可能会影响以下方面的采购需求：
食品和饮料配方中使用的香精分子和调味中间体
。提供特定口味或香气特性的特殊成分。
天然和天然相同的成分系统，其性能和一致性仍然很重要。
用于有效传递风味的功能载体和配方成分。
符合特定监管、区域或清洁标签要求的成分。
dsm-firmenich 本身强调创新配方、应用专业知识和监管合规性是其风味和香气活动的重要组成部分。
对于交易者来说，这意味着机会可能不仅限于供应既定商品。随着分子发现的速度越来越快，能够为特种成分提供稳定的质量、文档和可靠可用性的供应商可能会变得更加重要。
风味分子和不断变化的成分管道
纵观整个成分开发流程，人工智能的影响就会变得更加明显。一种新的风味分子不会仅仅因为模型识别出一种有前途的结构就成为商业成分。
研究人员仍然需要评估感官性能、稳定性、与配方的兼容性、生产可行性和监管要求。扩大制造规模还会带来有关原材料可用性、过程经济性和质量一致性的问题
。这创造了几个阶段，化学品供应商可以保持重要地位：
原材料采购：新分子可能需要质量可靠的特定化学或天然原料
。中间体生产：商业开发可以产生对专业中间体和构件的需求。
扩大规模：实验室数量最终需要过渡到可重复的工业生产。
质量管理：买家需要规格、证书和稳定的批次性能。
全球分销：国际食品和香精制造商需要跨越多个地区的可靠供应路线。
结果可能是特种原料市场更具活力。更快的发现可以创造出新产品，同时也增加了能够快速响应新规格的供应商的重要性。
为什么受体数据对化学创新很重要
味觉和嗅觉并不能仅仅由分子是否具有特定的化学式来决定。感官感知取决于分子如何与生物受体相互作用以及这些相互作用如何转化为大脑解释的信号
。这使得受体信息对于计算发现特别有价值。dsm-firmenich表示，其与Boltz的合作将使用模型来预测和设计分子结构，同时研究与特殊味觉和气味受体的相互作用。
对于化工行业而言，这是分子建模和应用配方科学之间的重要桥梁。目标不只是创造更多的分子，而是识别具有有用感官行为的分子。
这种区别可能有助于缩短开发周期。如果计算筛选能够更早地淘汰前景不那么乐观的候选物，那么实验室团队就可以将更多的时间和资源投入到具有更强商业潜力的分子上。
对特种香精原料的采购影响
采购团队应关注这一事态发展，因为更快的发现最终会改变购买模式。新分子可以创造传统大宗商品预测中尚未出现的需求。
买家可能越来越需要能够提供更具竞争力的价格的供应商。在采购专业调味原料时，技术文档、纯度、可追溯性、生产能力和监管支持可能变得同样重要。
因此，供应商评估可以更加注重：在
商业规模订单之前支持小批量开发的能力。
批次之间规格一致。
食品和监管申请文档。
配方进入商业生产时的规模能力。
为国际客户提供可靠的物流。
在客户需要定制等级或规格时具有灵活性。
这种环境有利于既了解技术要求又了解国际贸易条件的专业化学品分销商和制造商。
人工智能驱动的@@市场中的香兰素和成熟的香精成分人工智能驱动
的发现并不能消除对成熟香料成分的需求。商业食品生产仍然在很大程度上依赖具有已知感官特征、监管特征和供应链的经过验证的成分。
例如，香兰素仍然是一种重要的调味成分，可应用于食品、饮料和相关消费品。既定成分还可以为开发新感官特征的科学家提供参考点。
随着计算发现的扩展，采购团队可能会因此看到两个市场并行发展。一种是以商业规模购买的既定成分，另一种则涉及正在研究、测试和商业化过程中的新兴特种分子
。对于交易者而言，了解双方可以更深入地了解未来的需求。新的分子发现可能会为特种产品创造机会，而不会立即减少对熟悉成分的需求。
人工智能对香精和香料供应的未来意味着什么
dsm-firmenich 和 Boltz 的合作伙伴关系凸显了化学研发的更广泛变化。人工智能正在从一般的生产力概念转向高度专业化的科学应用，在这些应用中，专有数据和领域专业知识可以
决定其商业价值。博尔茨说，其模型是为生物学和化学设计的，可以支持分子设计、蛋白质设计和结构预测。其平台还提供接口和API，旨在将计算模型与科学工作流程连接起来。
对于香精和香精行业，这可能会带来更具迭代性的开发模式。科学家可以通过计算生成候选对象，测试最强的选项，将新的实验信息反馈到模型中，然后重复
该过程。该循环可以逐步扩大被认为具有商业可行性的分子范围。它还可能增加对能够在更大的采购合同出现之前支持小型开发计划的化学品供应商的需求。
采购团队的底线
dsm-firmenich 与 Boltz 的合作展示了生物分子人工智能如何进入感官科学、配方专业知识和分子设计交汇的化工行业。通过将人工智能模型与味觉和气味受体数据相结合，该公司旨在加快新香精和香料分子的发现
。对于采购团队来说，直接的教训是监测特种原料和成熟的香精化学品。随着发现变得越来越具有计算性，当新配方从实验室概念发展到商业产品时，能够提供质量、文档、灵活性和可靠的全球供应的供应商可能会获得优势
。化学品贸易商还应关注对香精中间体、特种分子和支持配方开发的既有成分的新需求。下一代食品原料可能是用人工智能设计的，但商业成功仍将取决于可靠的化学、制造和供应链。
Vanillin
觉得有用吗？
