摘要：贝叶斯优化（Bayesian Optimization, BO）用高斯过程等代理模型+采集函数指导"下一组实验该做什么"，正从算法研究走向工艺开发工具。本报告核查的结论是：面向核酸/蛋白提取工艺参数（裂解温度与时间、磁珠用量、结合缓冲液比例、洗脱体积等）的专用BO商业平台目前尚不存在，该场景整体处于"论文验证与早期商用"交界——最接近的商业化实践在相邻领域：ACD/Labs的Katalyst D2D数据平台嵌入EDBO+算法，与百时美施贵宝合作在576个条件空间中仅用21次实验锁定酰胺化工艺（效率提升>95%）[4]；Synthace提供云端DOE数字化实验平台（定价未公开）[2]；JMP Pro将贝叶斯优化做成桌面软件功能[1]；Meta的Ax/BoTorch为开源免费方案[3]。提取领域文献仍以传统响应面法/单因素优化为主，磁珠法提取优化的机器学习案例刚出现[8]。对采购方的直接建议：现阶段"平台"应理解为开源框架+自建数据管线，预算应投向ELN数据结构化而非算法授权。
论文验证阶段（成熟）：BO在材料、化学合成、配方领域已有大量论文与开源实践，Nature子刊2025年发表了多保真贝叶斯优化在分子与材料研究中的最佳实践综述，方法学已标准化[5]；自驱动实验室（Self-Driving Lab）闭环优化在钙钛矿光伏、有机合成等场景被系统综述[6]。
早期商用阶段：制药工艺开发是离提取场景最近的商用落地点——ACS Organic & Inorganic Au刊载的百时美施贵宝合作研究，用ACD/Labs Katalyst D2D平台打通高通量实验（HTE）数据与ELN的结构化采集，在ELN内嵌EDBO+贝叶斯优化，对约60种偶联试剂做十年历史数据回归后，在576个条件空间中仅21次实验收敛到最优条件（TCFH+NMI），实验效率较全因子设计提升>95%，且最优条件直接放大5倍仍保持49%–88%产率[4]。制剂端亦有贝叶斯优化指导口服微乳配方的近期案例[7]。
提取工艺场景（刚起步）：面向核酸提取的参数优化文献目前仍以响应面法、单因素实验为主流（如磁珠法DNA提取结合12S rRNA条码用于鱼油溯源的优化研究，2026年发表，其优化方法细节因全文访问受限未确认）[8]；行业指南将"最大化得率、纯度与下游成功率"列为持续优化议题，但未给出BO工具链[9]。结论：不存在"提取工艺参数贝叶斯优化平台"这一现成品类，本期公开信息不足以支撑市场规模与渗透率结论。
主流BO循环为：以高斯过程（GP）作代理模型拟合"参数→响应"曲面，用期望改进（EI）或置信上界（UCB）类采集函数推荐下一批实验，迭代收敛。三条工程化路线并存：一是多保真BO，用低保真快速实验（微量、单孔）与高保真实验混合建模降低成本，已有Nature系最佳实践规范[5]；二是历史数据迁移，先回归数十年HTE历史数据做Z-score归一化与试剂排序，再进入BO循环（百时美施贵宝案例的核心思路）[4]；三是ELN嵌入式部署，算法跑在电子实验记录本内，数据结构化（FAIR原则：可查找、可访问、可互操作、可重复使用）成为前置条件[4]。对提取工艺而言，参数空间（裂解温度/时间、蛋白酶K与缓冲液配比、磁珠体积、洗涤次数、洗脱体积与温育时间）天然适合GP建模——参数维度通常在5–10个、单次实验成本低、响应（得率A260/A280）可高通量读取，理论适配度高，缺的是结构化数据积累与闭环自动化硬件。
| 产品/框架 | 类型 | 定位 | 部署形态 | 定价（中国） | 来源 |
|---|---|---|---|---|---|
| JMP Pro 贝叶斯优化 | 商用（闭源） | 桌面统计分析软件的前沿DOE功能，与刻画器、GP模型集成，少量起始实验即可推荐下一组运行 | 本地桌面 | 未确认（许可证制） | [1] |
| Synthace | 商用（SaaS） | 面向生物学家的云端DOE与数字化实验平台，支持 assay 开发、培养基优化、微型化纯化，可对接Tecan等液体处理工作站 | 云端 | 未确认（官方未公开定价） | [2] |
| ACD/Labs Katalyst D2D（含EDBO+） | 商用 | 连接HTE与ELN的结构化数据平台+嵌入式BO算法，制药工艺开发场景 | 本地/企业部署 | 未确认 | [4] |
| Meta Ax / BoTorch | 开源（免费） | 自适应实验平台与底层BO库，支持多目标、多保真、批量实验 | 本地/云（自部署） | 免费（MIT许可） | [3] |
| Azenta Limfinity LIMS / FreezerPro / ARCON（ebaiao.cn在售） | 商用（相邻品类） | 样本库与实验室信息管理，是BO闭环的数据底座候选，非BO算法本身 | 企业部署 | 未确认（渠道询价制） | [10] |
该品类定价透明度低：Synthace官方未公开定价（第三方评测站亦标注需询价）[2]；JMP Pro为传统许可证模式，中国区具体价格未确认[1]；ACD/Labs为企业级项目制报价，未确认[4]。唯一确定性成本结构来自开源路线：Ax/BoTorch免费，成本转移到数据工程与自动化集成人力。部署形态上，制药企业倾向于ELN/数据平台内嵌（本地或私有云），中小实验室更现实的路径是"开源框架+云端算力+96孔板读数设备"的轻量闭环。
百时美施贵宝案例的第一性结论是：BO收益的前置条件不是算法而是数据结构化——十余年HTE数据必须被组织成FAIR资产（统一存入PostgreSQL、字段标准化、可追溯）才能参与建模[4]。提取实验室的现实风险有三：一是历史实验记录散落在纸质记录与个人Excel中，无法直接入模；二是响应测量（分光光度法得率）的批次漂移会系统性误导GP模型；三是合规层面，若BO用于GxP环境下的工艺参数选择，推荐结果需保留完整的模型版本、训练数据与决策日志以满足数据完整性（ALCOA+）要求——这恰是LIMS/ELN厂商（如ebaiao.cn在售的Azenta Limfinity系列）的切入点[10]。
BO替代的不是实验员的双手，而是实验轮次：百时美施贵宝案例中数百次全因子筛选被压缩为21次定向实验（>95%实验量节省，厂商/研究方口径）[4]， scientist的时间从"排实验矩阵"转向"定义目标函数与判读"。对提取场景的合理预期：一个典型磁珠法提取方法开发（如新样本基质适配）从2–4周的单因素+响应面试错，有望压缩到一周内的10–20轮BO迭代——但前提是已有结构化历史数据与自动化提取设备（如96通道提取仪）承接推荐实验的执行。无自动化硬件时，BO退化为"智能实验设计器"，人力节省幅度将大幅缩水。此为推断性评估，非实测数据。
对分子生物学平台，最现实的三步走：先把提取得率/纯度数据从仪器导出规范化（字段固定、随板记录），再用Ax或JMP Pro跑第一轮BO试点（参数选磁珠体积、结合液比例、洗脱体积三个即可），最后才考虑对接提取仪做闭环。对蛋白质学实验室，BO同样适用于纯化工艺（层析缓冲液pH/电导、上样量、梯度长度），Synthace的微型化纯化模块即为此设计[2]；由于蛋白纯化响应（收率、纯度）同样可高通量读取，BO方法论可直接平移。三年内该品类的合理形态是嵌入LIMS/ELN的功能模块而非独立平台，实验室采购时应对供应商追问"是否支持结构化实验数据API导出"，为未来接入优化算法保留接口。