讲座用蔗糖水解演示闭环,这个案例的设置和结果见无人值守的闭环优化,各个脚本的分工见 Stuntman 闭环怎么搭。这里只整理讲座里多讲的部分:JSON 配置、优化器参数、生物药和 ADC 的可开发性流程,以及怎样换优化模型。
讲者开场拿赛车打了个比方:车跑得快,靠的是车队实时采集数据、随时调整。讲者认为自动化实验也一样,要快,关键在于很快定出下一轮做什么。
闭环分设计、执行、测量、学习四个阶段,循环往复。每一步由 Python 脚本串起来,Stuntman 负责中间的实际操作。科学家参与多少由自己决定。
蔗糖水解案例里,每轮 12 个反应,每个反应取 0、10、20、30 min 四个时间点。每个时间点取 2 µL 淬灭样品到 Stunner 板上测吸光度,读数写回 .stunt 文件。下一轮条件自动生成并执行,中间不需要人工干预。
闭环开始时,closed_loop.py 先读配置文件。习惯用表格的人可以用 XLSX。团队里有机器学习或数据科学同事、习惯写程序的,可以用 JSON,Stuntman 两种都能读。
两种格式内容一样,分三块:
设置里有一项是每轮结束后暂停,让人先看结果再继续。讲者建议在第一次测试时打开它,确认流程按预期在走。
图 1 JSON 配置文件的三段:items 列出物料,criteria 写最大轮数 12 和速率、线性的合格线,settings 写每轮 12 个样品、每个样品 4 个时间点、每个样品 500 µL。图取自原厂 C&EN webinar 幻灯片。
讲者特别说明,闭环里的脚本都很短,一般不超过两三百行,而且按功能拆开。看懂结构、按自己的需要改,都比较容易。
optimizer.py 导入 scikit-optimize 的贝叶斯优化器,从配置文件读每轮样品数和总轮数。脚本里还写着探索计划、各变量的取值范围,以及每轮都带的一个固定对照。探索计划按轮数分三段,前期多探索,后期集中在得分高的区域。
三个阶段各有一组步长,也写在这个脚本里。蔗糖水解示例的步长如下,数值沿用脚本里各变量自己的单位:
阶段 / 转化酶 / pH / NaCl
1:转化酶 10;pH 0.3;NaCl 100
2:转化酶 3;pH 0.1;NaCl 30
3:转化酶 1;pH 0.03;NaCl 10
图 2 optimizer 脚本节选。框内 PHASE_STEPS 是三个阶段的步长,越往后步长越小。图取自原厂 C&EN webinar 幻灯片。
脚本里还有归一化范围和评分权重。示例的综合得分是速率除以速率合格线乘 0.6,加上线性除以线性合格线乘 0.4。
优化器会记下哪些条件已经跑过,不会重复提出同一组条件。
按讲者的说法,同一套系统可以配成不同领域的流程:小分子、生物药、聚合物和合成橡胶、农化、材料和电池研究。
讲座给了一个生物药的配置,叫 AI Developability Workcell。除了做生物药实验用的机械臂工具和台面工具,它还集成了 Lil' Tuna 做换液,Stunner、Lunatic 和 Aunty 做在线分析和表征。这些结果就是下一轮条件的依据。
图 3 AI Developability Workcell。台面上从左到右是 Aunty、Lunatic、Stunner 和 Lil' Tuna。图取自原厂 C&EN webinar 幻灯片。
讲座里的生物药流程是:配制剂,测稳定性,分析结果交给 AI 优化。输入是一批结构不同的候选分子。一轮按下面的顺序走:
闭环要找的分子与制剂组合同时满足几项目标:
整个流程都在板上做,同样的样品量能筛更多候选。Stuntman 调度运行并把数据串在一起,比较候选时不用翻散落的文件。
图 4 生物药可开发性闭环。左列是输入的不同分子结构,上排是各步测什么、用哪台仪器,下方是三项优化目标。图取自原厂 C&EN webinar 幻灯片。
ADC 的例子用同样的仪器和步骤,要找的是抗体、连接子和药物的结构组合。换液和浓缩这一步用来去掉多余的试剂和反应副产物。之后照样测浓度、粒径、聚集和稳定性。
优化目标比生物药例子多一项:
图 5 ADC 可开发性闭环。仪器顺序与图 4 相同,左列换成不同连接方式的 ADC,目标第一项是 DAR。图取自原厂 C&EN webinar 幻灯片。
自己的实验和蔗糖水解差别很大时,可能需要换一个更合适的机器学习模型。闭环拆成了几个短脚本,换模型只改决策那一步,其余脚本不动。
optimizer.py 可以自己改,也可以交给 Stuntman AI。讲座里的演示是让 Stuntman AI 把 optimizer.py 改成调用 EDBO+。EDBO+ 是一个开源的贝叶斯优化实验设计工具,代码在 GitHub 上(原厂会议海报里写的是 EDBO+)。
Stuntman AI 打开原来的脚本,读完内容后按新的优化器改写,再存成新的 optimizer.py。新旧两版可以并排对比,新版按 EDBO+ 的要求加了参数。讲者说这次修改用了几分钟。别的开源模型或自有模型,也可以照这个办法接进来。
给 Stuntman AI 的提示词怎么写,见 Stuntman AI 提示词。