Kairos：Evolrix AI 生物制造平台上的 AI 科学家 agent (v0.3)

密码子优化长期被当作单答案问题：输入一个蛋白，得到一条"优化"序列。Kairos 拒绝这种框架。一条编码序列是一个带权衡的设计决策——可制造性、宿主相似性、翻译起始、蛋白层面的风险之间——而单答案会把权衡藏在一个你无法检视的分数背后。

Kairos 是面向合成生物学的 AI 研究助手（限定 Pichia，v0.3）。它接受自然语言问题，检索带引用的证据，用大模型推理，并返回一组可验证的 CDS 候选面板——每一条都保证编码正确，带保真度评分和三维结构预测。

一组候选，而非一个答案

每次设计运行，Kairos 用透明的宿主启发式与自研的基因组学习模型（EvoCodon）提出多条同义编码序列。候选们在同一张记分卡上竞争。没有自动夺冠——排序反映数据，你能看到每条候选为什么排在它所在的位置。

四个评分维度

每条候选都在相同的四个维度上评分，全部可解释：

1. 可制造性——GC 窗口、同聚物、串联重复、限制性位点、禁止合成 motif。一条候选要么通过，要么带显式标记。
2. 宿主相似性——一个基因组来源的 K. phaffii 密码子模型，结合密码子使用与 %MinMax 节奏，刻意拒绝天真的 max-CAI 过度优化。
3. 5′ 翻译起始——起始区附近的 mRNA 可及性。开放的起始区意味着更好的核糖体招募。
4. 蛋白可开发性——长度、分子量、pI、半胱氨酸数、N-糖基化位点、疏水性——目标蛋白本身的内在风险。

多目标排序

候选组按四个维度的 Pareto 支配排序——绝不坍缩成一个脆弱的综合分。推荐候选位于顶级 Pareto 层、且无硬性可制造性违规。当获胜者出现标记（例如极端 pI）时，那是目标蛋白的内在属性，不是设计缺陷——Kairos 如实说明。

构造即正确

每条候选都经过翻译验证：必须编码完全相同的目标蛋白，读码框内，无提前终止。设计步骤调用可验证工具来生成序列——从不凭空编写。这就是我们所说的出处，不是说服：每一项评分都是可以在已打印序列上重新运行的确定性计算。

参考文献

评分维度、排序方法与宿主模型均基于公开、可溯源的文献与参考数据库。

1. Sharp PM, Li WH. The codon Adaptation Index — a measure of directional synonymous codon usage bias, and its potential applications. Nucleic Acids Res, 1987. PMID:3547335
2. Gustafsson C, et al. Codon bias and heterologous protein expression. Trends Biotechnol, 2004. PMID:15245907
3. Ahmad M, et al. Chang CH, et al. Enhancing the efficiency of the Pichia pastoris AOX1 promoter via the synthetic positive feedback circuit of transcription factor Mxr1. BMC Biotechnol, 2018. PMID:30587177
4. Zha J, et al. Advances in Metabolic Engineering of Pichia pastoris Strains as Powerful Cell Factories. J Fungi (Basel), 2023. PMID:37888283