在AI制药领域，将天然植物化学物质高效转化为药物候选物的核心挑战在于获取高质量、规模化的真实世界数据以驱动算法。Enveda Biosciences构建了“数据-算法-实验”循环，其中贝克曼库尔特（Beckman Coulter） 旗下的Echo声波移液系统（非接触式、最低2.5 nL分液）与Access自动化整合系统提供了关键硬件支撑。依托该平台，研究团队对约4000种植物提取物进行高通量筛选，锁定活性化合物ESN-X，其在NF-κB实验中的IC50为0.82 μM，在NLRP3炎症小体模型中约为2.33 μM。从筛选到活性识别仅用约两周，到体内验证仅约一个月。这一效率验证了贝克曼库尔特自动化平台为AI模型提供规模化真实数据、实现黑灯实验室模式的核心价值。

1. 核心挑战与解决路径

AI制药的关键瓶颈在于：如何将海量植物化学物质转化为可开发的药物候选物。

Enveda的解决方案是构建“数据-算法-实验”循环。这一路径的成功高度依赖于高质量、规模化的实验数据，而非单纯算法。

2. 关键硬件：贝克曼库尔特自动化平台

Enveda平台整合了高通量筛选、代谢组学、知识图谱与自动化液体处理。其中：

· Echo声波移液系统：以最低2.5 nL体积进行非接触式精准分液，实现384/1536孔板高效转移，提升通量、降低消耗。

· Access自动化整合系统：实现全流程自动化，支持黑灯实验室规模化运行。

Enveda产品VP Hannah Gordon指出“机器学习数据集需要足够庞大，并且必须基于真实世界结果。Echo声波移液能够以规模化方式生成这些数据，同时节省宝贵资源。”

这揭示了AI药物发现的核心逻辑：算法能力依赖于实验数据，而高质量数据获取能力决定了

AI系统的上限。

图1：A. Enveda多重整合平台将高通量生物学、新型提取/合成化学，以及来自数个世纪的历史与文化经验，与前沿的质谱技术和机器学习相结合。B. 高通量筛选（HTS）平台通过基于靶点、通路以及表型的筛选方法，对新型生物学信息进行注释和解析。

3. 筛选结果与活性化合物

依托上述平台，Enveda对约4000种植物提取物进行了系统筛选，获得以下关键成果：

· 实验系统验证：在IL-1β诱导的NF-κB炎症通路模型中，Z' > 0.7，证明高通量筛选体系稳定可靠。其中，Echo系统的高精度给药能力确保了剂量响应曲线的一致性。

· 活性化合物锁定：从Plant X提取物中锁定活性化学簇ESN-X。

药效数据确认：利用Echo完成的浓度梯度实验显示，ESN-X在NF-κB实验中IC50为0.82 

· μM，在NLRP3炎症小体模型中IC50约为2.33 μM，展现出稳定且可重复的药效表现。

图2：采用IL1β介导的NFκB激活进行高通量药理筛选（左上）。通过在HEK293诱导型报告基因细胞系中检测IL1β剂量依赖性的NFκB/AP1激活，确定最佳细胞因子浓度（左下）。对Enveda内部植物提取物库及其连续溶剂分馏进行抗炎活性筛选（右上）。阳性对照化合物在多个实验板及生物重复中表现出良好的活性重复性（右下）。数据表示为8个孔重复的平均值±标准误。

4. 知识图谱与体内验证

· 知识图谱作用：Enveda构建的BIOEDGE知识图谱整合了植物化学、生物通路及疾病信息，通过机器学习算法识别因果路径，推断药物与疾病之间的潜在联系。

· 靶向关联建立：知识图谱将ESN-X与炎症相关肝病建立强关联，为后续体内实验提供了明确方向。

· 动物实验验证：在急性肝损伤模型（Galactosamine-LPS）中，给药10 mg/kg和30 mg/kg的ESN-X后，TNFα表达水平显著下降，神经酰胺累积减少，小鼠生存率显著提高，验证了化合物在体内的有效性。

图3：使用PMA预处理的THP1细胞，在有或无初筛提取物的条件下，联合LPS和Nigericin处理，以激活NLRP3炎性小体。通过ELISA检测IL1β的产生水平。绿色标注为PlantX。