論文の概要: Agentic Discovery of Cryomicroneedle Formulations

• arxiv url: http://arxiv.org/abs/2605.19677v1
• Date: Tue, 19 May 2026 11:09:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.295026
• Title: Agentic Discovery of Cryomicroneedle Formulations
• Title（参考訳）: クリオミクロネドル製剤のエージェント発見
• Authors: Hao Li, Lifu Du, Nurul Hameed, Shemonti Saha Authai, Zlata Stefanovic, Chenjie Xu,
• Abstract要約: 低温保護剤発見のためのAI支援クローズドループワークフローを報告する。 培養した198個の間葉系幹細胞凍結保存製剤を21種類の成分に変換した。 もっとも有効な定式化は、DMSO、エクトイン、エチレングリコール、胎児のウシ血清で95.15%の生存率を達成した。
• 参考スコア（独自算出の注目度）: 4.138244144792088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cryomicroneedles offer a route to minimally invasive intradermal delivery of living cells, but their cryogenic formulations must reconcile cell protection with constraints on toxicity and device fabrication. Here we report an AI-assisted, closed-loop workflow for cryomicroneedle cryoprotectant discovery that combines literature curation, Gaussian-process surrogate modelling, Bayesian optimization, and sequential wet-lab validation. A curated dataset of 198 mesenchymal stem-cell cryopreservation formulations from 42 studies was converted into 21 ingredient features and used to train an uncertainty-aware literature prior. This model captured moderate structure in the literature data but failed prospectively, motivating iterative wet-lab correction. Across ten validation iterations and 106 wet-lab observations, the model progressively adapted to cryomicroneedle-specific outcomes: batch RMSE decreased from 41.21 to 6.86 percentage points, later-stage rank correlations became consistently positive, and the cumulative wet-lab predicted-versus-measured summary reached $R^2 = 0.942$. The best validated formulation achieved 95.15\% post-thaw viability with low DMSO, ectoin, ethylene glycol, and fetal bovine serum. However, high viability alone did not ensure intact cryomicroneedle formation, highlighting the need for future multi-objective optimization. These results demonstrate that agent-assisted computational infrastructure can make data-efficient formulation discovery more accessible to labs with minimal data expertise in-house. Project code is available at https://github.com/baitmeister/ML-for-CryoMN.
• Abstract（参考訳）: クリオミクロネデスは、生きた細胞を最小限に侵襲的に皮下へ輸送する経路を提供するが、その低温の定式化は細胞保護を毒性とデバイス製造の制約で調整する必要がある。 本稿では,文献キュレーション,ガウス処理サロゲートモデリング,ベイズ最適化,逐次ウェットラブ検証を組み合わせた,低温冷凍保護剤発見のためのAI支援クローズドループワークフローについて報告する。 42種類の研究から得られた198個の間葉系幹細胞凍結保存製剤を21種類の成分に変換し,不確実性を考慮した文献のトレーニングに使用した。 このモデルは文献データの中で適度な構造を捉えたが、予見的に失敗し、反復的なウェットラブ補正を動機づけた。 10回の検証と106回のウェットラブ観察において, バッチRMSEは41.21から6.86ポイントに減少し, 後段ランク相関は一貫して正となり, 累積ウェットラブ予測逆測定の要約はR^2=0.942$に達した。 その結果, DMSO, エクトイン, エチレングリコール, 胎児ウシ血清で95.15\%の生存率を得た。 しかし、高生存性だけでは無傷の低温針の形成が保証されず、将来の多目的最適化の必要性を強調した。 これらの結果は、エージェント支援の計算インフラが、社内で最小限のデータ専門知識を持つ実験室で、よりデータ効率の高い定式化発見をしやすくすることを示した。 プロジェクトコードはhttps://github.com/baitmeister/ML-for-CryoMNで公開されている。

関連論文リスト

• The Value of Mechanistic Priors in Sequential Decision Making [41.418304743101174]
  ハイブリッド・メカニスティック・モデル、学習された残差を持つ物理的先行性は、良い決定に必要なデータを減らすことを約束するが、これをテストするための計算可能な基準は存在しない。 両体制とも, 逐次意思決定におけるメカニスティックな先駆的価値を特徴づける。
  論文  参考訳（メタデータ） (2026-05-11T05:43:53Z)
• SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
  仮想セル摂動予測のための大規模基盤モデルを提案する。 まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。 第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。 第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
  論文  参考訳（メタデータ） (2026-03-18T05:51:08Z)
• Foundation-Model Surrogates Enable Data-Efficient Active Learning for Materials Discovery [12.870479903068665]
  In-Context Active Learningは従来のサロゲートをTabPFNに置き換える。 TabPFNは、何百万もの合成回帰タスクで事前訓練されたトランスフォーマーベースの基礎モデルである。 強力な小さなデータレグレッションパフォーマンスと、十分にキャリブレーションされた予測の不確実性を提供します。
  論文  参考訳（メタデータ） (2026-03-13T01:57:09Z)
• CytoDINO: Risk-Aware and Biologically-Informed Adaptation of DINOv3 for Bone Marrow Cytomorphology [0.0]
  我々はミュンヘン白血病研究所のデータセット上で最先端のパフォーマンスを実現するフレームワークであるCytoDINOを紹介した。 私たちの主な貢献は、細胞間の生物学的な関係をコード化し、臨床的に危険な誤分類を明示的に罰する、ヒエララルカル・フーカル・ロス・ウィット・クリティカル・ペナルティ(Hierarchical Focal Loss with critical penalties)である。 CytoDINOは21種類のテストセットで88.2%の重み付きF1スコアと76.5%のマクロF1を達成している。
  論文  参考訳（メタデータ） (2025-12-09T23:09:22Z)
• CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
  ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。 CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。 次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
  論文  参考訳（メタデータ） (2024-11-10T02:40:06Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• YZS-model: A Predictive Model for Organic Drug Solubility Based on Graph Convolutional Networks and Transformer-Attention [9.018408514318631]
  伝統的な手法は複雑な分子構造を見逃し、不正確な結果をもたらすことが多い。 本稿では,グラフ畳み込みネットワーク(GCN),トランスフォーマーアーキテクチャ,Long Short-Term Memory(LSTM)ネットワークを統合するディープラーニングフレームワークであるYZS-Modelを紹介する。 YZS-Modelは、R2$ 0.59、RMSE$ 0.57を達成し、ベンチマークモデルを上回った。
  論文  参考訳（メタデータ） (2024-06-27T12:40:29Z)
• Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
  目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。 回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
  論文  参考訳（メタデータ） (2024-05-23T13:22:17Z)
• Predicting microsatellite instability and key biomarkers in colorectal cancer from H&E-stained images: Achieving SOTA with Less Data using Swin Transformer [3.6695403836792493]
  シフトウインドウ(Swin-T)を用いた大腸癌バイオマーカーの効率的なワークフローを開発した。 Swin-Tは小さなトレーニングデータセットを使用して極めて効率的で、200-500のトレーニングサンプルだけで堅牢な予測性能を示す。 これらのデータは、Swin-Tが現在のMSIの最先端アルゴリズムよりも5～10倍効率が高いことを示している。
  論文  参考訳（メタデータ） (2022-08-22T02:32:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。