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）。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 3D 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. Efficient Expression of Lactone Hydrolase Cr2zen for Scalable Zearalenone Degradation in Pichia pastoris. Toxins (Basel), 2025. PMID:41591157
4. Zha J, et al. Advances in Metabolic Engineering of Pichia pastoris Strains as Powerful Cell Factories. J Fungi (Basel), 2023. PMID:37888283