收录解读
问题与背景：离子化脂质是 mRNA 递送系统的核心部件，但其设计空间极大，传统依赖人工经验和低通量筛选，导致发现速度慢、成本高。LUMI-lab 试图把 foundation model、实验自动化与闭环优化结合起来，解决脂质设计中的组合爆炸问题。
方法/新意：这项工作构建了一个由基础模型驱动的自主实验平台，将候选脂质生成、实验执行、结果读取和下一轮设计闭环耦合。重点不只是用模型打分，而是把模型真正嵌入实验循环，使其持续根据反馈更新设计方向。
意义/放在仓库中的位置：这是 AI 驱动实验科学和 autonomous lab 路线的强代表作，和 MOSAIC、CRESt、QUASAR 同属‘AI 进入真实科学工作流’主线。它的意义在于证明 foundation model 不仅能辅助分析，还能成为实验设计与发现流程的核心部件。
局限/为何不再升一级：它的外溢性主要仍在药物递送和材料设计一侧，距离改写更大范围 AI 方法论还有一步。当前价值更像是强平台和强工作流系统，而不是新的通用学习范式。
原始摘要与中文对照
中文对照翻译
LUMI-lab：一个由基础模型驱动的自主平台，赋能mRNA递送用可电离脂质设计的发现。分子发现的复杂性要求自主系统能够高效探索广阔且未知的化学空间。尽管将人工智能 (AI) 与机器人自动化相结合加速了发现过程，但其应用在历史数据稀缺的领域仍受到限制。其中一个挑战是用于mRNA递送的脂质纳米颗粒 (LNPs) 的设计，该设计一直依赖专家驱动，并受限于有限的数据集。在本文中，我们介绍了LUMI-lab，这是一个自驱动实验室 (SDL) 系统，它通过将分子基础模型与自动化主动学习实验工作流程相结合，实现了在最少湿实验室数据下的高效学习。通过十个迭代周期，LUMI-lab合成了并评估了超过1,700种LNPs，识别出在人支气管细胞中具有优于临床批准基准的mRNA转染效力的可电离脂质。出乎意料的是，它自主发现了溴化脂质尾部作为一种增强mRNA递送的新颖特征。体内验证进一步证实，在小鼠模型中，吸入含有性能最佳脂质LUMI-6的LNPs，在肺上皮细胞中实现了20.3%的基因编辑效率，据我们所知，这超越了目前报道的吸入式LNP介导的CRISPR-Cas9递送在小鼠中的最高效率。这些发现表明LUMI-lab是一个强大且数据高效的平台，可推动mRNA递送的发展，突显了AI驱动的自主系统在加速材料科学和治疗发现创新方面的潜力。
原始摘要
The complexity of molecular discovery requires autonomous systems that efficiently explore vast and uncharted chemical spaces. While integrating artificial intelligence (AI) with robotic automation has accelerated discovery, its application remains constrained in fields with scarce historical data. One such challenge is the design of lipid nanoparticles (LNPs) for mRNA delivery, which has relied on expert-driven design and is hindered by limited datasets. Here, we introduce LUMI-lab, a self-driving lab (SDL) system that enables efficient learning with minimal wet-lab data by integrating a molecular foundation model with an automated active-learning experimental workflow. Through ten iterative cycles, LUMI-lab synthesized and evaluated over 1,700 LNPs, identifying ionizable lipids with superior mRNA transfection potency in human bronchial cells compared to clinically approved benchmarks. Unexpectedly, it autonomously uncovered brominated lipid tails as a novel feature enhancing mRNA delivery. In vivo validation further confirmed that inhalation of LNPs containing the top-performing lipid, LUMI-6, achieved 20.3% gene editing efficacy in lung epithelial cells in murine models, surpassing the highest efficiency reported for inhaled LNP-mediated CRISPR-Cas9 delivery in mice to our knowledge. These findings demonstrate LUMI-lab as a powerful, data-efficient platform for advancing mRNA delivery, highlighting the potential of AI-driven autonomous systems to accelerate innovation in material science and therapeutic discovery.