在自主实验室中基于证据的智能体处方开发
核心概要
该研究提出 Andromeda 2——一个基于结构化内部实验证据进行推理并调用计算与实验工具的智能体系统，在紫杉醇自乳化给药系统（SEDDS）开发中，于匹配的 96 个处方预算下取得 50% 高 AUC 命中率（Andromeda 1 为 17%、湿实验 DoE 为 2%），并识别出 12 个满足全部四项目标产品特征（TPP）的处方（分别为 6 个和 0 个），同时通过消融实验显示获取结构化内部证据使平均 AUC 提高 34%。
Figure 1: Paclitaxel formulation performance at a matched experimental budget. Formulation-level distributions of the area under the curve (AUC) of apparently solubilized paclitaxel concentration in FaSSIF from 10 to 240 min achieved using the evidence-grounded agentic platform ( Andromeda 2 ), the optimization framework ( Andromeda 1 ) and a design of experiment (DoE) approach. Each strategy evaluated 96 unique formulations. Andromeda 2 produced an upward-shifted AUC distribution and a greater frequency of higher performing formulations, while both Andromeda platforms generated formulations with higher AUC values than experimental DoE.
arXiv深度剖析
Andromeda 2 在匹配预算下比概率优化和湿实验 DoE 更频繁地产生高性能 SEDDS 处方。 此前自主实验室与序贯优化多从零初始化，主要依赖本 campaign 内产生的数据；该工作将智能体决策与实验室既有结构化证据耦合，在同一配方空间、TPP、测定与自动化平台上进行匹配预算比较。 每个策略 96 个独特处方、六个 16 处方批次，使用同一微型化自动化平台与 FaSSIF 测定；中位 AUC 分别为 70.1、12.0、3.5 mg·min/mL，高 AUC 命中率为 50%、17%、2%，全 TPP 通过数为 12、6、0；作者将处方级 Mann–Whitney 比较（p=9.6×10⁻⁸）标注为描述性而非推断性。
Andromeda 2 的主要优势在于产生更多高性能处方，而非找到更高的单一最优值。 该结果区分了峰值性能与分布性能：Andromeda 2 与 Andromeda 1 的最大 AUC 相近（157.7 对 156.4 mg·min/mL），但中位 AUC 与全 TPP 通过数差异明显。 最高 AUC 处方仅满足四项 TPP 中的两项，说明最大 AUC 不等同于均衡处方；Andromeda 2 最佳处方在 240 分钟内维持表观溶解紫杉醇，AUC 约为未制剂对照药物的 18 倍。
获取结构化内部实验证据可提升 Andromeda 2 的表现，且其作用体现在后续批次而非仅初始批次。 消融在保持处方目标、可执行设计空间、TPP、可行性约束、批次大小与湿实验流程不变的前提下，仅撤除历史内部证据，从而分离该证据的贡献。 全证据与撤除证据配置的平均 AUC 为 62.0 对 46.2 mg·min/mL（高 34%），高 AUC 命中率为 50% 对 31%；撤除证据配置在早期批次持平或更优但随后回退，而全证据配置跨批次持续改善；两种配置均继续生成有效可执行处方。
Andromeda 2 既将实验预算集中于高产区域，也在该区域内选出更优候选。 按脂质处方分类系统（LFCS）分析显示，高性能处方集中于 Type IIIB/IV 区域，而 Andromeda 2 的优势不能仅由区域选择解释。 各 LFCS 类型高 AUC 命中率为 Type II 0%、Type IIIA 6%、Type IIIB 35%、Type IV 32%；在 Type IIIB/IV 内，Andromeda 2 命中率 49%（bootstrap 95% CI [0.39, 0.59]），Andromeda 1 为 29%，实验 DoE 为 3%；Andromeda 2 首轮采样 12 个油-表面活性剂家族，总体采样 16 个，少于 DoE 的 90 个。
启示与展望
该结果适用于在匹配 96 处方预算下、以 FaSSIF 中表观溶解紫杉醇 AUC 与四项 TPP 为终点的 SEDDS 处方筛选，使用同一微型化自动化平台、同一测定与流程；它支持处方的理化性能比较，并为后续消化耦合测试与药代动力学研究提供候选处方，包括含维生素 E TPGS 的高性能组成。
FaSSIF 测定不涵盖消化、肠道渗透或代谢及体内表现，因此观察到的优势能否转化为口服暴露仍需消化耦合测试与药代动力学研究；每个策略仅在一个独立初始化的 campaign 中评估，campaign 级统计推断受限，需重复自主 campaign 以确立可重复性；实验 DoE 直接探索共享组成空间而未经过专家预筛选，应在此背景下解读；跨化学上不同 API 的前瞻性评估仍是开放问题；此外，本文为全文解析，图与补充表格中的具体数值细节未逐项呈现，可能影响对个别结果的复述精度。