自动化整合先锋 | AI驱动天然产物药物发现

2026-06-15 10:59:03, 小贝贝克曼库尔特国际贸易（上海）有限公司

AI制药持续升温，如何将自然界中尚未被系统化利用的化学资源转化为真正可开发的新药，是行业关注的关键问题之一。Enveda Biosciences提出一条清晰路径：通过机器学习、知识图谱与高通量自动化实验的深度融合，构建“数据—算法—实验”循环，加速早期药物发现。

这个技术体系的核心挑战在于：以突破性的速度，将自然界中海量植物化学物质数字化，并结合真实世界筛选数据，转化为潜在药物候选。这一挑战决定了仅依赖算法是远远不够的，必须具备高质量、高规模的实验数据持续驱动AI模型。

Enveda解决方案强调多技术集成：高通量筛选（HTS）、计算代谢组学、知识图谱以及自动化液体处理系统。其中，Echo声波移液系统在整个系统中承担关键角色。Echo以最低2.5 nL的体积进行非接触式精准分液，实现384孔和1536孔板之间的高效转移，使实验可以在极小体积下完成，大幅提升筛选通量并降低试剂消耗。

图1：A. Enveda多重整合平台将高通量生物学、新型提取/合成化学，以及来自数个世纪的历史与文化经验，与前沿的质谱技术和机器学习相结合。B. 高通量筛选（HTS）平台通过基于靶点、通路以及表型的筛选方法，对新型生物学信息进行注释和解析。

Hannah Gordon

Enveda产品VP

“机器学习数据集需要足够庞大，并且必须基于真实世界结果。Echo声波移液能够以规模化方式生成这些数据，同时节省宝贵资源。”

这揭示了AI药物发现的核心逻辑：算法能力依赖于实验数据，而高质量数据获取能力决定了AI系统的上限。

依托这一平台，Enveda对约4000种植物提取物进行了系统筛选。在基于IL‑1β诱导的NF‑κB炎症通路模型中，研究团队建立了稳定的高通量筛选体系，其Z’值超过0.7，验证了实验系统的可靠性。其中，Echo系统提供的高精度给药能力确保了剂量响应曲线的一致性。

筛选结果显示，一个来源于Plant X的提取物表现出显著抗炎活性。通过进一步的分级和分析，研究团队迅速锁定活性化学簇ESN‑X。随后利用Echo完成的浓度梯度实验表明，该化合物在NF‑κB实验中的IC50为0.82 μM，在NLRP3炎症小体模型中的IC50约为2.33 μM，展现出稳定且可重复的药效表现。

图2：采用IL‑1β介导的NF‑κB激活进行高通量药理筛选（左上）。通过在HEK293诱导型报告基因细胞系中检测IL‑1β剂量依赖性的NF‑κB/AP‑1激活，确定最佳细胞因子浓度（左下）。对Enveda内部植物提取物库及其连续溶剂分馏进行抗炎活性筛选（右上）。阳性对照化合物在多个实验板及生物重复中表现出良好的活性重复性（右下）。数据表示为8个孔重复的平均值±标准误。

在数据分析层面，知识图谱发挥了关键作用。Enveda构建的BIOEDGE知识图谱整合了植物化学、生物通路及疾病信息，并通过机器学习算法识别因果路径，推断药物与疾病之间的潜在联系。实验中，知识图谱将ESN‑X与炎症相关肝病建立了强关联，为后续体内实验提供了方向。

图3：使用PMA预处理的THP1细胞，在有或无初筛提取物的条件下，联合LPS和Nigericin处理，以激活NLRP3炎性小体。通过ELISA检测IL‑1β的产生水平。绿色标注为Plant‑X。

在动物实验阶段，研究人员采用急性肝损伤模型（Galactosamine‑LPS）。在给药10 mg/kg和30 mg/kg条件下，ESN‑X显著降低TNFα表达水平，并减少神经酰胺累积。同时，小鼠生存率显著提高，验证了该化合物在体内的有效性。

图4：暴发性肝炎小鼠急性肝衰竭模型。C57BL/6N小鼠在GalN/LPS处理前1小时，分别接受ESN‑X或对照载体预处理。肝损伤发生6小时后，对小鼠实施安乐死并取出肝脏，通过组织学方法评估整体肝损伤及出血情况。qPCR结果显示，GalN/LPS注射可显著提高TNFα的mRNA水平，而在ESN‑X预处理后该升高呈剂量依赖性下降。同样，ESN‑X还降低了受损小鼠体内神经酰胺的累积（*P<0.05，**P<0.01）。此外，在急性肝损伤后给予ESN‑X处理也显著提高了小鼠的生存概率。

值得注意的是，这个项目从提取物筛选到活性化合物识别仅用约两周时间，而从初始筛选到体内验证仅约一个月。这一效率的核心支撑，正是自动化实验平台与AI分析系统之间的快速迭代机制。