CascadeMAP：通过微流控、机器学习与智能体式人工智能实现酶级联反应的自主闭环优化

酶级联反应能够实现复杂的生物化学转化，但其优化过程资源消耗巨大，需要在涵盖反应条件、酶配比和缓冲液组成的高维参数空间中进行探索。在此，我们介绍了 CascadeMAP，这是一个用于酶级联反应闭环优化的自主微流控平台，将高通量微流控技术与贝叶斯优化及多智能体人工智能系统相结合。我们在两种级联反应体系中展示了该平台的性能：（i）通过荧光监测的甘油检测通路；以及（ii）通过无标记拉曼光谱监测的 1,2,3-三氯丙烷降解通路，从而提供了正交的检测方式。贝叶斯优化识别最优条件的速度比实验设计方法快 3 倍。多智能体人工智能系统实现了假设生成自动化，能够处理 11 GB 的实验数据，并完成模式识别与洞见综合。在连续 7 天无人干预运行的情况下，CascadeMAP 处理了约 220,000 次反应，覆盖约 7,400 种不同条件。该能力建立了一个可推广的通用框架，可用于酶级联反应和代谢通路的自主优化，并加速生物催化与合成生物系统的开发。

酶级联能够实现复杂的生物化学转化，但其优化过程资源密集，需要在涵盖反应条件、酶比例和缓冲液组成的高维参数空间中进行探索。在此，我们提出了CascadeMAP，一种用于酶级联闭环优化的自主微流控平台，该平台将高通量微流控技术、贝叶斯优化和多智能体人工智能系统相结合。我们在两条级联途径上展示了该平台的性能：（i）通过荧光监测的甘油检测通路；（ii）通过无标记拉曼光谱监测的1,2,3-三氯丙烷降解通路，提供了正交检测模式。贝叶斯优化以比实验设计方法快3倍的速度确定了最优条件。多智能体人工智能系统实现了假设生成自动化，完成了11 GB实验数据的处理、模式识别和洞见综合。在连续7天无人干预运行期间，CascadeMAP在约7,400种不同条件下处理了约220,000个反应。这一能力建立了一个可推广的自主优化酶级联和代谢通路的通用框架，并加速了生物催化与合成生物系统的开发。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.04.730034v1?rss=1

🏷️ 酶级联反应 微流控 贝叶斯优化 多智能体人工智能 高通量筛选 生物催化