Gemini 4 Carbon: Einen pKa-Referenzdatensatz für die Wirkstoffforschung aus Labor-Rohdaten neu aufbauen

Von Labor-Rohdaten zu einem Referenzdatensatz für die Wirkstoffforschung

Der pKa ist der pH-Wert, bei dem ein Molekül ein Proton aufnimmt oder abgibt. Er bestimmt, wie sich ein Wirkstoff löst, Membranen passiert und an sein Target bindet – deshalb gehört er zu den ersten Eigenschaften, die Wirkstoffforscher messen.

Die Messung selbst ist für das Gerät Routine. Aus den Rohaufzeichnungen verlässliche Referenzwerte zu machen, ist dagegen Expertenarbeit. Ein geschulter Analytiker korrigiert die Elektrodenmesswerte, fittet die UV-Spektren über den gesamten pH-Bereich, rechnet Messungen in Methanol-Wasser auf reines Wasser zurück und entscheidet, welchen Läufen er vertraut. Lauf für Lauf kostet das viel Zeit und Sorgfalt.

Also haben wir die Auswertung Gemini 4 Carbon in Eigent übergeben. Aus einem einzigen Briefing und 97 rohen Gerätedateien – jedes berechnete Ergebnis gelöscht, kein Internet, keine Hinweise – wurde ein vollständiger pKa-Referenzdatensatz für 35 wirkstoffähnliche Verbindungen. 99.7% der Einzelmessungen waren korrekt: das beste Ergebnis aller Modelle, die wir bisher mit dieser Aufgabe getestet haben.

Der Workflow auf einen Blick

Ein einziges Briefing führte von den Rohdateien bis zum fertigen Referenzdatensatz. Jede Phase hinterließ etwas, das wir prüfen konnten.

So ist Gemini 4 Carbon vorgegangen – inklusive der Stellen, an denen es danebenlag, und warum.

---

Was das Modell geliefert hat

• Ein vollständiger pKa-Referenzdatensatz – pKa und Methanolgehalt für jede Titration, ein wässriger pKa für jeden Lauf sowie Mittelwert, Standardabweichung und Liste der akzeptierten Läufe für jede Verbindung.
• Die Auswertung als Code – ein Python-Skript, das die gesamte Antwort aus den Rohdateien neu aufbaut. Führt man es erneut aus, erhält man dieselbe Antwort Byte für Byte zurück.
• Eine schriftliche Zusammenfassung der Methode – wie die Messwerte kalibriert, die Spektren gefittet und die Läufe extrapoliert wurden und welche Läufe aus welchem Grund ausgeschlossen wurden.

Das Setup

• Eigent 1.0.7, in einer einzigen Session im Modus Single Agent mit Gemini 4 Carbon als Modell.
• Ein lokaler Ordner, der nur Folgendes enthielt: die rohen Gerätedateien eines automatisierten Titrators, eine Liste der Verbindungen mit ihren Strukturen, physikalische Konstanten für Methanol-Wasser-Gemische und eine Python-Umgebung mit den üblichen wissenschaftlichen Bibliotheken und RDKit.
• Offline und auf sich allein gestellt. Das Briefing schloss das Internet aus, und während des Laufs beantwortete niemand Fragen. Jede Ermessensentscheidung – welchem Lauf zu trauen ist, welcher Einstellung zu folgen ist – traf der Agent selbst.
• Nur Rohsignale. Jeder von der Gerätesoftware berechnete Wert war gelöscht, sodass nichts in den Dateien die Antwort verriet.
• Keine Hinweise zur Methode. Das Briefing beschrieb die Messungen und was berichtet werden sollte, nicht aber, wie sie auszuwerten sind. Die passende physikalische Chemie zu wählen, war Teil der Aufgabe.

Wie Gemini 4 Carbon gearbeitet hat

Gemini 4 Carbon arbeitete die Aufgabe im Terminal ab, als einzelner Agent und ohne menschliches Zutun. Der Lauf gliederte sich in fünf Phasen.

1. Orientierung. Gemini 4 Carbon las die Verbindungsliste und die Kalibrierungskonstanten, parste das XML des Geräts über alle Assay-Typen hinweg und veröffentlichte sein erstes Status-Update: "now analyzing instrument recordings, medium composition, and electrode/UV equations."

2. Reverse Engineering des Geräts. Das Modell fand heraus, wie der Titrator Elektroden-Millivolt in pH umrechnet und wie die vierparametrige Elektrodenkalibrierung diesen Wert auf die tatsächliche Wasserstoffionenkonzentration abbildet. Aus den dosierten Volumina leitete es die Algebra hinter einer Zusammensetzungskonstante her – a = 1 + b·(0.2 + 0.025/V) – und traf den Wert in der Datei auf 3 × 10⁻⁵ genau. Anschließend erfasste es die Einstellungen des Analytikers in allen 97 Dateien: pH- und Wellenlängenfenster, Trübungsgrenzen und die Anzahl der Übergänge.

3. Aufbau und Test der Auswertung. Es baute spektrale Fits über viele Wellenlängen gleichzeitig, testete sie an einer Verbindung und wendete sie dann auf alle 291 Titrationen an. Seine Verdünnungskorrektur prüfte es direkt an den Plateaus einzelner Spezies, und mit RDKit klassifizierte es jede Verbindung als Säure, Base oder Ampholyt. Außerdem fand es jeden Sweep, bei dem der Analytiker eine Einstellung manuell überschrieben hatte – und übernahm diese Entscheidungen.

4. Qualitätskontrolle wie im Labor. Sein zweites Status-Update: "now examining edge cases, turbid sweeps, multiprotic zwitterions, and outlier runs." Was es entdeckte:

   • C21_4 – die Verbindung war aus dem Wasser ausgefallen. Die Spektren des Laufs stimmten mit denen der anderen Läufe nur zu 0.20 überein, also nahm es den Lauf aus dem Mittelwert der Verbindung heraus.
   • C27_1 – ein Vial mit geringer Absorbanz und falschem Spektrum, aufgedeckt durch getrenntes Fitten zweier UV-Banden.
   • C29_2 – eine unphysikalische Extrapolationssteigung (+200 gegenüber +98 und +114 bei den Schwesterläufen), also schloss es den Lauf aus.
   • Negative Absorbanz bei 500 nm – zurückgeführt auf eine Luftblase in einem Referenzspektrum.

   Es ging die Versuchschronologie des Labors und die Wiederholungsläufe von Januar–Februar 2022 durch, um zu verstehen, warum manche Verbindungen zusätzliche Läufe hatten. Und es prüfte die eigene Methode an unabhängigen Belegen: Es verglich gewichtete und ungewichtete Extrapolation an den 15 Verbindungen, die auch direkt in Wasser gemessen worden waren. Die gewichtete Variante hatte den geringeren Fehler – 0.0604 gegenüber 0.0623 –, also blieb es dabei.

5. Auslieferung. Es schrieb ein einzelnes Analyseskript mit 451 Zeilen, führte es aus und validierte Schema, Typen und Wertebereiche der Ausgabe.

Insgesamt: 76 Modellaufrufe und 85 Terminalbefehle, ohne fehlgeschlagene Aufrufe und ohne menschliches Zutun.

Das Ergebnis

Im Ordner landeten zwei Dinge: der Referenzdatensatz – 291 Titrationen, 97 Läufe und 35 Verbindungen – und das Skript, das ihn erstellt hat. Die abschließende Nachricht von Gemini 4 Carbon fasste die Methode zusammen – Zusammensetzung des Mediums und Elektrodenkalibrierung, UV-Fitting über viele Wellenlängen, Extrapolation auf Wasser und Auswahl der Läufe – und listete jeden ausgeschlossenen Lauf mit Begründung auf.

Wie es abgeschnitten hat

Wir haben die Antwort außerhalb des Agentenordners mit dem Referenzdatensatz abgeglichen. Die Bewertung ist streng: Jede Titration, jeder Lauf und jede Verbindung ist eine eigene Bestanden/Nicht-bestanden-Prüfung, und eine Titration besteht nur, wenn ihr pKa innerhalb der statistischen Unsicherheit des Referenzfits liegt und ihr Methanolgehalt stimmt. Ein Lauf besteht nur, wenn alle drei seiner Titrationen bestehen, und eine Verbindung nur, wenn jeder von ihr verwendete Lauf besteht – ein einzelner Fehler kann sich also fortpflanzen.

Das sind 99.7% korrekte Einzelmessungen, jede innerhalb der statistischen Toleranz des Referenzfits.

Außerdem haben wir den Lauf selbst geprüft, anhand der Tool-Aufrufe im Dev mode. In Eigent 1.0.7 haben Single-Agent-Sessions immer Tools für Websuche, Browser und Fetch an Bord, deshalb ist diese Prüfung wichtig: Ein Lauf, der irgendetwas nachgeschlagen hat, zählt nicht.

---

Wo es nicht gereicht hat – und warum

Gemini 4 Carbon hat nicht jede Prüfung bestanden. Zwei methodische Entscheidungen erklären sämtliche Fehler:

1. Wie die Extrapolation gewichtet wird. Das Modell gewichtete die Methanol-Wasser-Extrapolation nach der Messunsicherheit – eine Entscheidung, die von der Konvention der Referenz abweicht. Das kostete 5 Läufe und 3 Verbindungen. Gemini 4 Carbon hat sich auf Grundlage von Belegen dafür entschieden – der gewichtete Fit hatte gegenüber den in Wasser gemessenen Verbindungen den geringeren Fehler –, und das Briefing gab keine Methode vor.
2. Welche pH-Skala gilt. Es wendete das vom Analytiker hinterlegte pH-Fenster auf einer anderen pH-Skala an als die Referenz. Das kostete 1 Titration und 1 Lauf.

Keins von beidem ist eine Lücke in der Auswertung selbst. Beides sind Konventionen, die ein Fachexperte erkennen würde – genau die Art von Hausregel, die ein Labor normalerweise in seine Anweisungen schreibt.

Außerdem war das ein einzelner Lauf. Bei einer so schwierigen Aufgabe können die Ergebnisse von Lauf zu Lauf schwanken.

Was wir gelernt haben

• Rohdaten halten den Agenten ehrlich. Da die vom Hersteller berechneten Werte gelöscht waren, musste jeder Wert aus den Signalen kommen – und der Agent musste seinen Rechenweg zeigen.
• Beschreibe die Messung, nicht die Methode. Gemini 4 Carbon wählte die physikalische Chemie selbst und begründete jede Entscheidung mit Belegen aus den Daten.
• Code ist das eigentliche Ergebnis. Ein Skript, das die Antwort neu aufbaut, kann ein Wissenschaftler erneut ausführen, lesen und prüfen.
• Die Fehler sind Konventionen, keine Irrtümer. Wo das Modell danebenlag, traf es eine vertretbare Entscheidung, die die Hausregeln eines Labors geklärt hätten.

Rohe Gerätedateien müssen nicht in einer Warteschlange auf ihre Auswertung warten. Gib sie Gemini 4 Carbon in Eigent – und prüfe dann die Argumentation, nicht nur das Ergebnis.

---

Credits: erstellt mit Gemini 4 Carbon und Eigent. Musik: "Dance With You" von Everet Almond.