第 2 页，共 17 页 · 150 篇报告
质粒纯化的两条路线共用同一套物理化学逻辑，差别只在介质的几何形态：层析法是“可重复装柱的强阴离子交换吸附剂”，试剂盒法是“封在离心柱或深孔板里的一次性吸附剂”。前者以多孔琼脂糖基季铵介质为主流（Cytiva Q Sepharose FF 湿球 45–165 µm、容量 0.18–0.24 mmol Cl⁻/mL），国产博格隆同类 XL 产品已把离子容量推到 180–260 µmol Cl⁻/mL、工作 pH 2–12、可用 1 M NaOH 在线清洗；纳微 UniGel-80Q 用聚甲基丙烯酸酯
本篇聚焦“泵＋检测器＋层析柱＋组分收集”四件套构成的台式层析整机在质粒 DNA（pDNA）纯化中的应用选型。技术路线上，pDNA 带强负电，主流做法是在 FPLC 平台走阴离子交换（AEX）＋盐阶梯或异丙醇梯度分离超螺旋／线性／开环构象，整体柱与膜介质因大分子传质快、载量高而成为核酸纯化的偏好路径；有比较研究报道在直接裂解物流程中膜与整体柱介质的超螺旋回收率分别约 93% 与 99%，而常规树脂仅约 54%（厂商技术传播转述，机型与运行条件未确认）。市场侧：进口平台仍以 Cytiva ÄKTA
纳入理由：本报告聚焦面向分子生物学实验室与科研中试的质粒/核酸下游纯化工艺，评估用仿真与建模工具做层析柱规模放大预测的落地程度；上游培养与产量建模另有专题，本篇只谈下游纯化放大。核心结论：“平台成熟 ≠ 该细分落地”。色谱速率模型、连续流与虚拟柱放大在小分子与蛋白层析领域已有商用配套（仪器配套软件、CDS 建模模块、CADET 等开源求解框架），但在质粒/核酸纯化这一细分上，公开可查的多为论文级验证与课题组自研脚本，未确认存在专门命名的商用质粒放大仿真产品；质粒构型异质性（超螺旋/线性/开环）进
本篇写的是试剂盒成品形态的“无内毒素质粒大提”——阴离子交换重力柱/硅胶膜柱＋配套去内毒素缓冲液的整套 kit，规格覆盖 Midi（约100–500 µg）、Maxi（约0.2–12 mg/次）、Mega/Giga（2.5–100 mg），服务科研转染、体外转录与基因编辑模板制备。核心结论：“无内毒素”这一指标位已被国产试剂盒实质性占领——进口阵营把转染级质粒大提做成高价标品（Qiagen EndoFree Maxi 官网$472/10 preps、Thermo K0861 中国官网¥2,620
大容量离心与澄清过滤是质粒、重组蛋白从“发酵瓶”走向“纯化柱”之间必经的两道前处理关卡，两者的分工决定了实验室的通量上限与前处理人力成本。本次检索确认：台式高速大容量离心机（Eppendorf 5810/5810R 14,000 rpm / 20,913×g / 4×750 mL、5910 Ri 14,000 rpm / 22,132×g / 4×1,000 mL）与落地式机型（Beckman Avanti J-26S XP 最高 26,000 rpm / 75,600×g、蜀科 LG-25M
质粒产量预测与培养参数优化的主轴，是回答“让模型替你决定下一瓶怎么养，到底落地了没有”。分层结论：统计寻优层（DoE／响应面 RSM／Box-Behnken）在工艺界是教科书级成熟方法，被大量用于质粒相关体系的培养基与转化参数优化，但属于经典统计学而非 AI；机理与数据混合建模层（大肠杆菌生长—质粒拷贝数动力学）以论文与预印本为主；ML 产量预测层有同行评审案例支撑；拷贝数预测层出现专用开源工具 PCN-Gradient（PubMed 40664234 收录，J R Soc Interface
本篇写的是专为自动化核酸提取平台（磁棒法如 Thermo KingFisher、天根 TGuide，吸头式/移液工作站如 Qiagen QIAcube HT、Promega Maxwell RSC）配套的 RNA 裂解液与结合液/磁珠体系试剂，聚焦“RNA × 自动化平台格式”这一交叉点：96 孔板预分装/预封板、大体积瓶装浓缩液、封闭卡盒、无 RNase 灌装与批次一致性 QC，以及与磁棒/移液平台的适配验证程序。核心结论：定价权仍在进口仪器生态——Thermo MagMAX-96 中国官网标
国产“专用型”分子自动化工作站正沿两条路线分化：一是专用一体机（每台专做一个应用，如奥盛 Auto-NGS 100R/100RF/180S/200 建库工作站，通量 24/24/48/96 样本/次〔厂商宣称〕，Auto-NGS 200 有单笔公开成交价 50 万元）；二是通用移液平台+应用包（莫纳 Royal 0812/1220 平台叠加建库、PCR 构建、PCR 磁珠纯化、甲基化转化、转染配液、储板六个专用 SKU，全渠道询价制、价格未确认；华大智造 SP-960/MGISP-960 为 9
大模型辅助 RNA 实验设计的主轴，是回答“从靶点序列到可执行的实验方案，AI 到底落地了没有”。分层结论：传统算法层（Primer3/Primer-BLAST、ViennaRNA、Cas13design 打分模型）已规模化成熟且免费；深度学习与 RNA 语言模型层（RiNALMo 650M 参数、RhoFold+、BEACON 基准等）论文密集、开源可得，但需自担算力与验证；LLM 多智能体助手层落地最快的样本是华大系 PrimeGen（GPT-4o 调度四智能体做扩增子引物面板，131 重
新报告发布时第一时间通知您。我们不发送垃圾邮件，随时可退订。