智能发现冰芽针制剂配方
机器学习
2026-05-20 v1 定量方法
摘要
冰芽针提供了一种最小侵入性地将活细胞输送至皮肤内的途径，但其冷冻制剂必须在细胞保护与毒性及器件制造约束之间进行权衡。本文报道了一种 AI 辅助、闭环的冰芽针冷冻保护剂发现工作流程，结合了文献整理、高斯过程代理模型、贝叶斯优化和顺序实验室验证。将 42 项研究中的 198 项骨髓干细胞冷冻保存配方存档后，转换为 21 个配料特征，用于训练不确定性感知的文献先验模型。该模型捕捉了文献数据中的中等结构，但未能预测，促使迭代实验室纠正。在十次验证迭代和 106 项实验室观察中，该模型逐渐适应冰芽针特有的后果：批次 RMSE 从 41.21 降至 6.86 个百分点，后期秩相关始终为正，累计实验室预测-实际值汇总达到 。最佳验证配方实现了 95.15% 的活后存活率，同时低于 DMSO、ectoin、乙二醇和胎牛血清。然而，高存活率本身并不足以确保完整的冰芽针形成，凸显了未来多目标优化的需求。这些结果表明，智能辅助的计算基础设施可以更轻松地使数据高效的配方发现更易于在数据 expertise 较弱的实验室实现。项目代码可在 https://github.com/baitmeister/ML-for-CryoMN 查阅。
引用
@article{arxiv.2605.19677,
title = {Agentic Discovery of Cryomicroneedle Formulations},
author = {Hao Li and Lifu Du and Nurul Hameed and Shemonti Saha Authai and Zlata Stefanovic and Chenjie Xu},
journal= {arXiv preprint arXiv:2605.19677},
year = {2026}
}