Google Research公開3項自動化濕式實驗室研究

Google Research公開3項研究，探索如何串接AI代理人的實驗設計與實驗室機器人的執行。在適體實驗中，研究團隊反覆進行設計、實驗與結果分析共3輪，測得α-凝血酶結合率42.1%、標的專一性98.5%。

Google Research於10月16日介紹3項建構自動化濕式實驗室的研究。濕式實驗室是利用試管、試劑與設備直接測量生物現象的空間。研究團隊提出的目標，是讓AI代理人設計候選方案、由機器人執行實驗，再分析結果並用於下一輪實驗。

這套研究基礎VERID是「Verified Infrastructure for Discovery Laboratories」的縮寫，是用來以數位方式記錄實驗室工作空間的框架。系統即時管理機械手臂的位置、實驗板各孔的液體量、試劑種類與吸頭庫存等資訊。Google Research表示，VERID建構於開源PyLabRobot框架之上。

AI代理人可查詢實驗室狀態、規劃流程，並在執行前進行虛擬模擬。若通道狹窄導致機器人無法完成動作，或指定從試劑不足的孔位取液，系統會在執行前阻止指令。執行影片與動作紀錄則可用於重現實驗及追查錯誤。

Google研究團隊透過適體實驗，測試AI代理人如何將實驗結果用於下一輪設計。適體是經過設計、可與特定目標蛋白結合的短DNA序列。研究團隊以肌紅蛋白，以及參與血液凝固的蛋白質α-凝血酶為標的。

α-凝血酶實驗第一輪沒有找到結合候選序列。研究團隊發現，固定的引子序列會妨礙候選序列摺疊，因此修改設計。第三輪的結合率為42.1%，標的專一性為98.5%。

肌紅蛋白實驗則出現序列愈來愈容易與非標的物質結合的問題，因此團隊調整設計規則。公布的第三輪結合率為33.5%。Google表示，適體探索中的設計、實驗與分析流程，每輪需時7至10天。

上述數值分別來自不同標的與實驗條件。Google Research並未將適體實驗結果視為已證明候選藥物安全性或療效的證據。結合率與標的專一性是不同指標。

Google Research另在一項蛋白質設計研究中，以實體瘤中過度表現的FAP蛋白為標的，並表示已設計出結合親和力達個位數奈莫耳（nanomolar）等級的候選分子。結合親和力描述兩個分子結合的強度。這項成果屬於不同研究脈絡，不能直接與適體研究的結合率相比。

這些研究顯示，從計算結果提出可能有潛力的分子，到在實際實驗中找出可運作的候選分子，仍需要驗證。Google Research表示，單靠電腦設計難以預測試劑狀態、液體移動等所有實驗變因。

Google Research選擇不具感染性、也沒有功能增益風險的實驗系統作為測試對象。研究團隊也將設計序列的生物安全審查、機器人執行前的模擬，以及人工核准序列和審查實驗流程列為安全措施。

Google Research表示，後續仍須確保代理人不會把實驗上的取巧方式當成目標結合來最佳化，並持續監督多步驟實驗流程，以及代理人的判斷與執行。此次公布的是初期實驗案例，尚未說明這項技術對藥物開發成本或時程的影響。