# 无人值守的闭环优化：Stuntman 加 Stunner 跑 12 轮

- 网址:https://unchainedlabs.help/product/stuntman/resources/closed-loop

**无人值守的闭环优化 Stuntman 和 Stunner 跑 12 轮，每轮的条件由算法挑**

这个案例用转化酶水解蔗糖做模型反应，每轮 12 个条件，最多 12 轮。轮与轮之间没有人工干预。到第 4 轮、大约第 45 个样品时，得分升到高位并稳定下来，一直到最后一轮。

内容依据原厂应用笔记 Fast-tracking closed-loop reaction with Stuntman（Rev C）。模型反应是酶反应；用于生物药可开发性筛选时，流程不变，换成你的变量、检测项目和评分标准。

## 常规自动化只管执行，下一轮的条件还要人来选

一轮优化要经过设计、执行、测量、分析，再决定下一轮做什么。常规自动化能把固定流程跑完，但设计、执行和分析分散在不同系统里，每轮结束，科学家要先整理数据，挑出下一批条件，再手动搭实验。闭环把这一步交给程序：上一轮的结果直接决定下一轮。

## 实验条件写在配置文件里

> | 项目 | 设置 |
> | --- | --- |
> | 变量 | 酶（储液 333 µM）、NaCl（储液 2500 mM）、pH 6.0 与 pH 9.0 两种磷酸盐缓冲液的用量 |
> | 固定 | 蔗糖 25 mg/mL，水作稀释剂 |
> | 每轮 | 12 个反应，每个 500 µL，在 0、10、20、30 min 取样并淬灭 |
> | 检测 | 台面集成的 Stunner 测 UV/Vis，按底物消光系数换算反应进度 |
> | 评分 | 综合得分 = 0.6 × 速率 ÷ 10 µM/s + 0.4 × 线性 ÷ 0.99，≥ 1 算达标 |
> | 停止条件 | 跑满 12 轮 |

配置文件用 XLSX 或 JSON，和流程脚本分开。调整物料、评分标准或轮数时只改配置，不动闭环脚本。台面上放三类板：反应板、淬灭板和 Stunner 检测板。

*图:图 1 运行中的台面：反应板、淬灭板和 Stunner 检测板。图取自原厂应用笔记。*

## 每一轮都按同样几个 Python 脚本依次执行

*图:图 2 闭环脚本的结构：closed_loop.py 居中调度，每一步读写配置文件或 .stunt 文件。图取自原厂应用笔记。*

- **closed_loop.py** 读配置文件，把实验定义交给优化器。
- **optimizer.py** 用 scikit-optimize 的高斯过程贝叶斯优化器提出下一轮的条件。每轮 12 个：1 个固定对照、1 个到目前为止得分最高的条件，再加 10 个新条件。
- **update.py** 和 **generate_design.py** 把条件写成设计，转成 .stunt 文件，通过 API 远程启动。
- Stuntman 自动加样、混合、按时间点取样淬灭，把样品转到 Stunner 板上测。执行数据和吸光度结果存进同一个 .stunt 文件。
- **analysis.py** 把各时间点的吸光度换算成反应速率和线性。
- **evaluate.py** 对照停止条件打分。没达到就回到第 2 步。

探索比例分三段：第 1–4 轮 90%，第 5–8 轮 50%，第 9–12 轮 10%。前几轮在大范围里试，后几轮集中在得分高的区域。

这些脚本由 Stuntman AI 根据文字描述生成和修改，经人工审核、验证后才开始运行。运行时由验证过的脚本控制流程，由算法选条件。

## 第 4 轮起，得分稳定在高位

*图:图 3 每个样品的综合得分。约第 45 个样品（第 4 轮）之后，得分稳定在高位，一直到第 12 轮。图取自原厂应用笔记。*

前几轮得分分散、多数偏低，这时算法在大范围试条件。大约到第 45 个样品（第 4 轮），得分升到高位，波动变小，一直保持到运行结束。连续多轮都在高位，说明算法找到的是一片好条件，不是偶然碰上的一个高分点。

整个运行中，轮与轮之间没有人工干预。输入、选中的条件、执行数据和结果都留在 .stunt 文件里，事后可以逐轮复查。

## 换成生物药制剂筛选

流程不变，换成制剂的变量、检测项目和评分标准。原厂应用笔记提到，在生物药方向可以同时看浓度、粒径和稳定性结果，找出最合适的分子和制剂组合；ADC 筛选还可以加上 DAR。检测仪器见 Stunner 和 Aunty，软件见 Stuntman 软件。

## 同一个案例的会议海报

原厂把这个案例做成了一张会议海报，内容和上文一致：闭环四步、三张配置表、脚本结构和得分结果。海报右下角多了一个例子：让 Stuntman AI 把示例里的 optimizer.py 改成调用开源优化器 EDBO+。点图可以放大。

*图:Fast-Track Closed-Loop Experimentation with AI-Driven Automation on Stuntman（2026-08）。图取自原厂海报，裁去了作者栏和页脚。*
