1. 课程导入
生物实验设计长期依赖研究者的经验、文献积累与试错迭代。一个典型的分子克隆或细胞表型实验，往往需要经过靶点选择、载体构建、引物设计、条件筛选、对照设置、数据判读等多个环节，每个环节都存在大量可枚举但难以穷举的决策点。AI辅助生物实验设计工程，正是把大模型、机器学习预测、知识图谱与自动化实验平台组织成一条可复用、可验证、可追溯的设计流水线，让"设计—执行—反馈—再设计"从个人经验驱动转向工程化驱动。
一、定义：它到底在做什么
AI辅助生物实验设计工程不是"让AI替你做实验"，而是把实验设计拆解为可计算、可约束、可优化的子问题，再为每个子问题匹配适当的AI能力。它包含三层含义：
- 设计对象层：明确实验的生物学目标，例如提高某蛋白的可溶表达量、筛选CRISPR sgRNA、优化qPCR引物特异性、设计药物联合剂量矩阵。
- AI能力层：调用序列语言模型、结构预测模型、贝叶斯优化、主动学习、检索增强生成（RAG）等，对候选方案打分、排序或生成。
- 工程约束层：把预算、试剂可得性、仪器通量、伦理与安全边界、对照逻辑写成硬约束，确保AI输出落在可执行空间内。
因此，一个合格的AI辅助实验设计，必须同时回答三个问题：候选方案从哪来、依据什么排序、如何验证并回流。缺少任何一环，都只是"AI给建议"，而不是"工程设计"。
二、核心价值：为什么值得引入
第一，压缩搜索空间。以96孔板条件筛选为例，若考察温度（3水平）、诱导剂浓度（4水平）、培养基（3水平）、宿主菌（2水平），全因子组合为72组，尚可执行；但若再加入诱导时长与起始OD，组合数迅速膨胀到数百组，超出单轮实验通量。贝叶斯优化或拉丁超立方抽样可在20~30组内逼近较优区域，把"穷举"变成"定向探索"。
第二，降低隐性失败率。引物二聚体、sgRNA脱靶、密码子偏好性、蛋白聚集倾向等，都是可以在湿实验前用模型预筛的。把这类"可计算失败"提前拦截，能显著减少无效试剂消耗与人力返工。
第三，让设计可追溯、可复现。当每个候选方案都带有生成依据、打分、约束检查记录时，实验记录从"我试了这些"升级为"我为什么选这些"，这对课题交接、审稿回复与工艺放大都极为关键。
三、典型应用场景
在课程后续章节会逐一展开，这里先建立全景认知：
- 序列与载体设计：密码子优化、启动子选择、标签位置、同源臂长度、sgRNA候选生成与脱靶评分。
- 实验条件优化：表达诱导条件、酶反应缓冲体系、PCR退火温度梯度、细胞培养添加物配比。
- 筛选与分选策略：文库设计、条形码分配、FACS门控阈值、测序深度与重复数估算。
- 数据分析与假设生成：从转录组、蛋白组或影像数据中提取特征，反向提出下一轮实验假设。
- 自动化闭环：与液体处理工作站、培养箱、读板机联动，实现"设计—执行—采集—再设计"的自动迭代。
四、完整工作流概览
下图给出AI辅助生物实验设计工程的端到端结构。它强调的不是线性步骤，而是约束、生成、排序、执行、反馈之间的闭环关系：设计目标与工程约束共同定义可执行空间；AI模型在空间内生成候选并打分；实验执行产生数据；数据回流用于更新模型或修正约束。
理解这张图的关键在于：①与②之间是"约束下的生成"，②与③之间是"预测到现实的跨越"，③与④之间是"数据到判断的收敛"，④回到②是"学习闭环"。很多失败的AI辅助实验，问题并不在模型不够强，而在于约束没有写清、对照没有设计、回流路径没有建立。
五、一个最小可运行的示例
假设目标是提高某重组酶在大肠杆菌中的可溶表达量。可执行空间定义为：宿主菌 BL21(DE3) 与 Rosetta 二选一；诱导温度 16/25/37 ℃；IPTG 浓度 0.1/0.5/1.0 mM；诱导时长 4/8/16 h。全组合为 2×3×3×3=54 组，超出单轮可承受的24组。此时可用贝叶斯优化：先以拉丁超立方抽取8组作为初始点，测定可溶表达量（以SDS-PAGE灰度归一化后的相对值为读数），再以高斯过程拟合，用期望改进（EI）准则选出下一批8组，两轮共24组。若第二轮最优组合的相对表达量比初始最优提升超过20%，且阴性对照（空载体）无对应条带，即可判定该轮设计有效，并把数据回流更新模型。