論文の概要: Evidence-Grounded Agentic Formulation Development in an Autonomous Laboratory

• arxiv url: http://arxiv.org/abs/2609.19099v1
• Date: Wed, 16 Sep 2026 17:31:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.92076
• Title: Evidence-Grounded Agentic Formulation Development in an Autonomous Laboratory
• Title（参考訳）: 自律実験室におけるエビデンスを包含したエージェント定式化開発
• Abstract要約: アンドロメダ2(Andromeda 2)は、社内で構築された実験的な証拠を利用して定式化バッチを設計・実行するためのエージェントシステムである。 パクリタキセルでは、アンドロメダ2が50%、アンドロメダ1が17%、DoEが2%のヒット率を達成した。
• 参考スコア（独自算出の注目度）: 0.5131152350448098
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Self-emulsifying drug delivery systems (SEDDS) can improve the oral bioavailability of poorly soluble drugs, but identifying high-performing formulations remains experimentally intensive. We present Andromeda 2, an agentic system that reasons over structured in-house experimental evidence and invokes computational and experimental tools to design and execute successive formulation batches. Using a miniaturized automated laboratory at a matched budget, we benchmark it against Andromeda 1, a probabilistic optimization model deployed across dozens of live development projects, and a wet-lab design-of-experiments (DoE) campaign. For paclitaxel, Andromeda 2 achieved a 50% high-performance hit rate versus 17% for Andromeda 1 and 2% for DoE, and identified 12 formulations meeting all four target product profile (TPP) objectives versus 6 and 0, respectively. Median $AUC_{10-240}$ was 70.1, 12.0, and 3.5 mg$\cdot$min/mL, while maximum AUC was comparable between Andromeda 2 and Andromeda 1. A selected full-TPP formulation achieved an apparent effective paclitaxel loading of $19 \pm 5\%$ w/w at the first FaSSIF measurement, approximately 3.3-fold higher than the 5.7% w/w loading reported for a published paclitaxel S-SEDDS. A controlled ablation showed that access to structured in-house experimental evidence increased mean AUC by 34%.
• Abstract（参考訳）: SEDDS(Self-Emulsification drug delivery system)は、不溶性の薬物の口腔内バイオアベイラビリティを向上させることができるが、高性能な製剤の同定は実験的に行われている。 本稿では、社内で構造化された実験的な証拠を理由づけ、連続的な定式化バッチを設計・実行するための計算および実験ツールを実行するエージェントシステムAndromeda 2を提案する。 一致した予算でミニチュア化された自動実験室を使用して、数十のライブ開発プロジェクトにわたってデプロイされる確率論的最適化モデルであるAndromeda 1と、ウェットラブ・オブ・エクスペリメント(DoE)キャンペーンとをベンチマークします。 パクリタキセルではアンドロメダ2が50%,アンドロメダ1が17%,DoEが2%と高いヒット率を示した。 Median $AUC_{10-240}$は70.1, 12.0, 3.5 mg$\cdot$min/mL、最大AUCはアンドロメダ2とアンドロメダ1に匹敵する。 選択されたフルTPPの定式化は、最初の FaSSIF 測定で19 pm 5\%$ w/w という明らかな効果的なパクリタキセル負荷を達成し、パクリタキセル S-SEDDS に報告された5.7% w/w 負荷よりも約3.3倍高い値を得た。 コントロールされたアブレーションは、内部で構造化された実験的な証拠へのアクセスが平均AUCを34%増加させることを示した。

関連論文リスト

• Simulating the Marginal Green Contribution of AI Modules in a Smart-Agriculture Platform: Evidence from Two Monte Carlo Experiments [12.93848838655257]
  本稿では,2つの制御されたシミュレーション実験を行う。 実験1は、AI能力から農夫の行動、農薬の入力減少への連鎖に続く。 実験2では、現在のプラクティス(P0)、IoTエンジニアリングの適合性(P1)、P1とAI灌水スケジューリングを比較している。
  論文  参考訳（メタデータ） (2026-09-06T17:25:33Z)
• KMGen: A Skill-based Approach for Synthetic Individual Patient Data Generation [15.020554967749996]
  臨床治験の患者データ(IPD)は生存モデル、メタアナリシス、安全研究の基盤である。 我々はKMGenを紹介した。KM曲線抽出を人間の誘導ツールと競合する精度で自動化する最初のエンドツーエンドフレームワークである。 KMGenは、公試登録記録から患者ごとのAEトラジェクトリを生成する。
  論文  参考訳（メタデータ） (2026-08-23T21:43:01Z)
• C2PSA-Enhanced YOLOv11 Architecture: A Novel Approach for Small Target Detection in Cotton Disease Diagnosis [3.092042419611666]
  本研究は,綿病検出におけるYOLOv11の深層学習に基づく最適化について述べる。 移動配置システムにより,農業分野におけるリアルタイムの病害モニタリングと精密処理が可能となる。
  論文  参考訳（メタデータ） (2025-08-17T03:28:02Z)
• LLMs for Drug-Drug Interaction Prediction: A Comprehensive Comparison [3.2627279988912194]
  大規模言語モデル (LLM) は様々な領域に革命をもたらしたが、薬学研究におけるその可能性はほとんど解明されていない。 本研究は薬物と薬物の相互作用(DDI)を予測するLLMの機能について徹底的に研究する。 プロプライエタリモデル(GPT-4, Claude, Gemini)やオープンソースモデル(1.5Bから72Bパラメータ)を含む18種類のLCMを評価した。 微調整のLLMは優れた性能を示し、Phi-3.5 2.7BはDDI予測において0.978の感度を達成し、バランスの取れたデータセットでは0.919の精度を実現した。
  論文  参考訳（メタデータ） (2025-02-09T09:58:12Z)
• SCott: Accelerating Diffusion Models with Stochastic Consistency Distillation [74.32186107058382]
  本稿では,テキスト・画像の高速生成を実現するために,SCott(Consistency Distillation)を提案する。 SCottは、訓練済みの教師モデルの通常の微分方程式解法に基づくサンプリングプロセスを学生に蒸留する。 安定拡散V1.5教師によるMSCOCO-2017 5Kデータセットでは、SCottは2ステップのサンプリングステップを持つ21.9のFIDを達成し、1ステップのInstaFlow (23.4)と4ステップのUFOGen (22.1)を上回ります。
  論文  参考訳（メタデータ） (2024-03-03T13:08:32Z)
• SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity Prediction [127.43571146741984]
  薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。 湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。 既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。 SSM-DTAフレームワークについて述べる。
  論文  参考訳（メタデータ） (2022-06-20T14:53:25Z)

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。