Cell重磅：李博文團隊開發AI+機器人自動化實驗平臺，自主發現高效遞送mRNA的新型LNP

撰文丨王聰

編輯丨王多魚

排版丨水成文

將人工智能（AI）與機器人技術相結合，為分子發現和優化提供了一種很有前景的方法，能夠高效地探索廣闊的化學空間，這種 AI+機器人驅動的自動化實驗室，能夠像人類一樣思考，還能像機器人一樣夜以繼日的設計和實驗，然而，其在新興領域的應用往往受到歷史數據稀疏的限制。

2026 年 2 月 24 日，多倫多大學李博文、王波團隊合作（許躍、崔昊天為論文共同第一作者），在國際頂尖學術期刊Cell上發表了題為：LUMI-lab: A foundation model-driven autonomous platform enabling discovery of ionizable lipid designs for mRNA delivery 的研究論文。

該研究開發了一個 AI+機器人驅動的“全自動實驗室”——LUMI-lab，它僅用十輪實驗，就自主發現了能夠顯著提升肺部 mRNA 遞送效率的全新可電離脂質分子，甚至找到了人類專家從未想過的設計秘訣。

這項研究表明了LUMI-lab是一個強大的、數據高效的平臺，可用于分子的自主發現和優化，突顯了 AI 驅動的機器人系統在推進下一代 RNA 遞送技術方面的巨大潛力。

該研究的亮點：

• 預訓練的 LUMI 模型推動自主閉環分子發現；

• 自主實驗室合成并測試了超過 1700 種可電離脂質以進行微調；

• 主動學習能夠實現對化學空間的平衡探索與利用；

• 溴化脂質 LUMI-6 實現體內 20.3% 效率的肺上皮基因編輯。

數據荒漠中的 AI 探險家

mRNA 技術自 COVID-19 以來已廣為人知，但其成功高度依賴一個關鍵“快遞員”——脂質納米顆粒（LNP）。LNP 中發揮核心作用的是可電離脂質，它能高效包裹 mRNA 并在細胞內精準釋放。然而，設計高效的可電離脂質極其困難，可供參考的歷史數據少得可憐——目前僅有 3 款 LNP 獲得 FDA 批準。傳統方法依賴專家經驗和“試錯”，效率低下。

在這項最新研究中，研究團隊開發了一個全自動實驗室——LUMI-lab，這是一個將基于 Transformer 的基礎模型與主動學習實驗工作流相結合的自主實驗平臺，旨在解決數據稀疏帶來的挑戰。

這是一個融合了基于 Transformer 的基礎大模型、機器人實驗和主動學習的自主發現平臺，簡單來說，它擁有一個聰明的“AI 大腦”和不知疲倦的“機器人雙手”。

LUMI-lab：從虛擬到現實的閉環

LUMI-lab的運作是一個完美的“設計-合成-測試-分析”閉環：

• 設計：預訓練的 LUMI（large-scale unsupervised modeling followed by iterative experiments）模型（基于超過 2800 萬個分子結構訓練）從包含 22 萬種可能分子的虛擬庫中，挑選出最有潛力的候選脂質。

• 合成與測試：機器人手臂自動執行化學合成，將選定的分子制成 LNP，并遞送給培養的細胞，最終通過檢測熒光信號來評估其遞送 mRNA 的效率。

• 學習與進化：實驗結果數據返回給 AI 模型，用于微調其預測能力，模型在下一輪實驗中，會變得更“聰明”，提出更好的設計方案。

更巧妙的是，每輪實驗包含兩個板塊：“利用”板選取預測效果最好的分子；“探索”板則專門測試模型最不確定的分子。這種策略平衡了“摘取已知低垂果實”和“探索未知領域”，確保高效發現。

LUMI-lab概述

關鍵發現：被忽視的“溴”麗轉身

經過十輪迭代，LUMI-lab 自主合成了超過 1700 種脂質，其發現令人驚訝——AI 自主識別出“溴化脂質尾”是提升遞送效率的關鍵結構特征。

在由 22 萬種分子構成的虛擬化學空間中，含溴的脂質僅占 8.33%。然而，AI 在實驗中有意無意地“偏愛”它們——最終被提名合成的分子中，26.4% 含溴；而在所有實驗中表現最優異（前 10%）的脂質里，含溴分子的比例更是高達 52%！

為驗證這一發現，研究團隊合成了最佳脂質LUMI-6及其去溴版本 LUMI-6D。結果證實，僅僅一個溴原子的差異，就讓 LUMI-6 的 mRNA 遞送效率提高了 1.8 倍。機制研究表明，溴化修飾促進了 LNP 的“內體逃逸”，這是 mRNA 被成功送入細胞的關鍵一步。

從細胞到活體：實現高效基因編輯

小鼠體內實驗的結果更令人振奮，當將裝載了 CRISPR-Cas9 基因編輯系統的 LUMI-6 LNP 通過鼻腔遞送到小鼠肺部后，它實現了20.3%的肺上皮細胞編輯效率，超越了之前報道的吸入式 LNP 遞送 CRISPR 系統的最高紀錄。

這意味著，這種由 AI 自主發現的脂質，在治療囊性纖維化、α-1 抗胰蛋白酶缺乏癥等肺部遺傳疾病方面，具有巨大的應用潛力。安全性評估也顯示，其免疫反應和毒性譜與已獲批的臨床基準脂質 SM-102 相當。

啟示與未來：AI 驅動科學發現的新范式

這項研究的深遠意義不僅在于發現了一種高效的脂質，更在于驗證了一種全新的科研范式——

• 超越人類直覺：溴原子在藥物化學中常用于調節脂溶性和代謝穩定性，但此前從未被系統地視為提升 LNP 性能的設計原則。LUMI-lab 在沒有先驗假設的情況下，自主發現了這一非直覺性的結構-功能關系。

• 應對“數據稀疏”挑戰：LUMI 模型通過海量無監督預訓練獲得通用的分子理解能力，使其能在實驗數據極少的新興領域快速學習，為眾多“數據荒漠”領域的研究提供了模板。

• 加速發現循環：將一次實驗周期壓縮至約 39 小時，并通過并行化工作流程極大提升了通量，讓科學家從重復勞動中解放出來，專注于更高層次的科學問題。

LUMI-lab的成功標志著 AI 正從數據分析工具，蛻變為能夠自主提出假設、驅動實驗、并做出新發現的“科研伙伴”。它揭示的不僅是一個溴原子，更是 AI 在探索廣闊未知化學空間中的驚人潛力。

論文鏈接：

https://www.cell.com/cell/abstract/S0092-8674(26)00099-1