登上Science：斯坦福華人團(tuán)隊(duì)打造“AI智能體科學(xué)家”，全自動(dòng)開(kāi)展生物醫(yī)學(xué)研究

撰文丨王聰

編輯丨王多魚(yú)

排版丨水成文

生物醫(yī)學(xué)研究正日益受到重復(fù)且碎片化工作流程的制約，這些流程減緩了發(fā)現(xiàn)的進(jìn)程。

2025 年 6 月，斯坦福大學(xué)黃柯鑫、Serena Zhang、王瀚宸、屈元昊、陸熒洲等研究人員領(lǐng)銜的團(tuán)隊(duì)，聯(lián)合 Genentech、Arc Institute、加州大學(xué)舊金山分校及普林斯頓大學(xué)等多個(gè)頂尖研究機(jī)構(gòu)，在預(yù)印本平臺(tái) bioRxiv 上發(fā)布了一款通用型生物醫(yī)學(xué) AI 智能體——Biomni，該智能體能夠自主完成多個(gè)生物醫(yī)學(xué)分支領(lǐng)域的復(fù)雜研究任務(wù)。

2026 年 7 月 9 日，該論文通過(guò)同行評(píng)議，以：Autonomous biomedical research with an artificial intelligence agent（AI 智能體驅(qū)動(dòng)的自主生物醫(yī)學(xué)研究）為題，正式發(fā)表在了國(guó)際頂尖學(xué)術(shù)期刊Science。

系統(tǒng)性基準(zhǔn)測(cè)試表明，Biomni在多種異質(zhì)任務(wù)上具有強(qiáng)大的泛化能力——包括因果基因優(yōu)先排序、藥物再利用、罕見(jiàn)病診斷、微生物組分析和分子克隆——且無(wú)需針對(duì)特定任務(wù)進(jìn)行調(diào)優(yōu)。真實(shí)案例研究表明，Biomni 能夠解析多模態(tài)數(shù)據(jù)集，優(yōu)化蛋白質(zhì)穩(wěn)定性，協(xié)調(diào)濕實(shí)驗(yàn)儀器，并生成可進(jìn)行實(shí)驗(yàn)驗(yàn)證的方案。研究團(tuán)隊(duì)表示，Biomni 的愿景是 AI 能夠增強(qiáng)人類科學(xué)家的能力，加速科學(xué)發(fā)現(xiàn)。

為什么我們需要“AI 科學(xué)家”？

生物醫(yī)學(xué)研究正面臨一個(gè)尷尬的困境：一方面，高通量測(cè)序、可穿戴設(shè)備等技術(shù)產(chǎn)生了海量數(shù)據(jù)；另一方面，能夠分析這些數(shù)據(jù)的專家嚴(yán)重不足。

數(shù)據(jù)已堆積如山，人才卻供不應(yīng)求。

許多有價(jià)值的數(shù)據(jù)被閑置，許多復(fù)雜的分析無(wú)法開(kāi)展，許多跨領(lǐng)域的知識(shí)聯(lián)系未能建立——不是因?yàn)樗鼈儾恢匾且驗(yàn)槟茏鲞@些事的人，實(shí)在是太少了。

現(xiàn)有的 AI 工具雖然強(qiáng)大，但大多是“專才”：有的只會(huì)分析單細(xì)胞數(shù)據(jù)，有的只擅長(zhǎng)設(shè)計(jì)基因編輯實(shí)驗(yàn)，有的只能做藥物篩選。一旦換個(gè)領(lǐng)域，就得重新訓(xùn)練或更換工具。

那么，能不能造一個(gè)“通才”——一個(gè)能像人類科學(xué)家一樣，在不同生物醫(yī)學(xué)領(lǐng)域自如切換的“AI 科學(xué)家”？

這，也正是Biomni誕生的初衷。

Biomni 是如何煉成的？

打造這樣一個(gè)全能的“AI 科學(xué)家”絕非易事。研究團(tuán)隊(duì)做了兩件關(guān)鍵的事——

第一步：構(gòu)建“生物醫(yī)學(xué)行動(dòng)空間”

研究團(tuán)隊(duì)從 bioRxiv 預(yù)印本平臺(tái)的 25 個(gè)生物醫(yī)學(xué)子領(lǐng)域中，各選取 100 篇最新論文，共計(jì) 2500 篇，讓 AI 逐篇閱讀，提取其中涉及的任務(wù)、工具、數(shù)據(jù)庫(kù)和軟件。

最終，他們構(gòu)建了Biomni-E1環(huán)境，包含——150 個(gè)專業(yè)生物醫(yī)學(xué)工具、105 個(gè)常用軟件包，以及 59 個(gè)數(shù)據(jù)庫(kù)。

這相當(dāng)于給 AI 配備了一個(gè)完整的虛擬實(shí)驗(yàn)室。

第二步：設(shè)計(jì)通用型智能體架構(gòu)

有了工具還不夠，還得知道怎么用。研究團(tuán)隊(duì)設(shè)計(jì)了Biomni-A1架構(gòu)，其核心創(chuàng)新有三——

• 智能資源選擇：面對(duì)用戶提問(wèn)，AI 會(huì)先檢索最相關(guān)的工具和數(shù)據(jù)庫(kù)，而不是把所有東西都用上。

• 代碼即行動(dòng)接口：AI 用代碼來(lái)表達(dá)和執(zhí)行每一步操作，這讓它能夠靈活組合不同工具，處理復(fù)雜流程。

• 自適應(yīng)規(guī)劃：AI 制定初始計(jì)劃后，會(huì)在執(zhí)行過(guò)程中不斷調(diào)整和優(yōu)化，就像人類科學(xué)家邊做邊想一樣。

Biomni 概述

簡(jiǎn)單來(lái)說(shuō)，Biomni就像一個(gè)擁有“超級(jí)大腦”的人類科學(xué)家，既掌握了大量專業(yè)知識(shí)，又懂得如何靈活運(yùn)用各種工具。

Biomni 到底有多強(qiáng)？

研究團(tuán)隊(duì)通過(guò)一系列嚴(yán)格的測(cè)試，在論文中展示了 Biomni 的強(qiáng)大能力——

基準(zhǔn)測(cè)試：全面領(lǐng)先

在涵蓋 443 個(gè)問(wèn)題的綜合基準(zhǔn)測(cè)試中，Biomni 的平均準(zhǔn)確率達(dá)到 57%，遠(yuǎn)超普通大語(yǔ)言模型（LLM）的 30%、專業(yè)藥物研發(fā)智能體的 25%，甚至超過(guò)了專門編程助手的 43%。

在“人類最后的考試”（生物醫(yī)學(xué)版）這類高難度推理測(cè)試中，無(wú)論底層采用什么大模型，Biomni 都能帶來(lái) 6-12 個(gè)百分點(diǎn)的顯著提升——說(shuō)明優(yōu)勢(shì)來(lái)自其架構(gòu)設(shè)計(jì)，而非某個(gè)特定模型。

與人類專家 PK：又快又好

研究團(tuán)隊(duì)還讓 Biomni 與資深博士后、教授級(jí)人類專家進(jìn)行了正面 PK，結(jié)果顯示，在單細(xì)胞注釋、罕見(jiàn)病診斷及 GWAS 因果基因檢測(cè)等任務(wù)中，Biomni 在準(zhǔn)確率方面與人類專家相當(dāng)或更高，而在速度方面，提升了數(shù)倍乃至數(shù)十倍。

強(qiáng)化學(xué)習(xí)加持：越學(xué)越強(qiáng)

研究團(tuán)隊(duì)還引入了強(qiáng)化學(xué)習(xí)機(jī)制，讓 Biomni 在與環(huán)境的交互中不斷自我優(yōu)化。經(jīng)過(guò)訓(xùn)練后，Biomni-R0-32B 版本的性能從 0.35 躍升至 0.67，甚至超越了 Claude 4 Sonnet 等閉源大模型。

這意味著， Biomni 可以通過(guò)“實(shí)踐”持續(xù)進(jìn)步，而這是人類研究人員需要數(shù)年時(shí)間專業(yè)訓(xùn)練才能做到的。

Biomni 在通用基準(zhǔn)測(cè)試、專家級(jí)任務(wù)以及強(qiáng)化學(xué)習(xí)方面的性能表現(xiàn)

實(shí)戰(zhàn)演練：五個(gè)真實(shí)案例

如果說(shuō)基準(zhǔn)測(cè)試只是“紙上談兵”，那接下來(lái)的五個(gè)實(shí)際應(yīng)用案例則真正展現(xiàn)了 Biomni 的價(jià)值。

案例一：可穿戴數(shù)據(jù)分析

研究團(tuán)隊(duì)給 Biomni 提供了來(lái)自 1027 名參與者的 Fitbit 手環(huán)的心率和步數(shù)原始數(shù)據(jù)——總計(jì)超過(guò) 14 億次心率測(cè)量和 3700 萬(wàn)條步數(shù)記錄。

Biomni 完全自主地完成了整個(gè)分析流程：從數(shù)據(jù)清洗、生理指標(biāo)提取（靜息心率、晝夜節(jié)律振幅、心率變異性等）、到構(gòu)建多維度風(fēng)險(xiǎn)評(píng)分（0-6 分），再到生成可發(fā)表級(jí)別的可視化圖表。

最終結(jié)果與原始研究高度吻合，包括關(guān)鍵的生理相關(guān)性（例如靜息心率與晝夜節(jié)律振幅呈負(fù)相關(guān)），整個(gè)分析無(wú)需人工干預(yù)。

Biomni 自主分析可穿戴數(shù)據(jù)

案例二：多組學(xué)數(shù)據(jù)分析

這是最令人印象深刻的案例之一。Biomni 被要求分析一個(gè)包含 336162 個(gè)細(xì)胞核的人類胚胎骨骼發(fā)育多組學(xué)數(shù)據(jù)集（同時(shí)包含 RNA-seq 和 ATAC-seq 數(shù)據(jù)）。

它自主規(guī)劃并執(zhí)行了一個(gè)十階段的分析流程：加載和探索所有數(shù)據(jù)集、準(zhǔn)備 RNA-seq 數(shù)據(jù)、配置轉(zhuǎn)錄因子分析工具、推斷基因調(diào)控網(wǎng)絡(luò)、網(wǎng)絡(luò)修剪、計(jì)算調(diào)控因子活性、提取染色質(zhì)可及性數(shù)據(jù)、利用 ATAC-seq 數(shù)據(jù)過(guò)濾預(yù)測(cè)靶點(diǎn)、分析不同細(xì)胞類型、發(fā)育階段的活性模式、總結(jié)發(fā)現(xiàn)并生成報(bào)告

整個(gè)運(yùn)行耗時(shí)約 5 小時(shí)，期間還會(huì)自行處理變量名不匹配等實(shí)時(shí)錯(cuò)誤。最終結(jié)果不僅復(fù)現(xiàn)了已知的骨形成調(diào)控關(guān)系，還提名了幾個(gè)此前未被充分研究的潛在調(diào)控因子（例如 AUTS2、ZFHX3、PBX1），為后續(xù)研究提供了新方向。

Biomni 自主分析單細(xì)胞多組學(xué)數(shù)據(jù)

案例三：濕實(shí)驗(yàn)方案設(shè)計(jì)

分子生物學(xué)中最常見(jiàn)的任務(wù)之一就是“克隆”——將目標(biāo)基因片段插入載體中。這對(duì)經(jīng)驗(yàn)豐富的研究人員來(lái)說(shuō)是家常便飯，但對(duì)新手而言卻充滿陷阱。

Biomni 被要求設(shè)計(jì)一個(gè)靶向人類 B2M 基因的 sgRNA 克隆方案，它自主完成了分析質(zhì)粒結(jié)構(gòu)、設(shè)計(jì) sgRNA、生成寡核苷酸序列、提供詳細(xì)的實(shí)驗(yàn)步驟（退火、連接、轉(zhuǎn)化、篩選）、設(shè)計(jì)驗(yàn)證引物、模擬組裝并生成最終質(zhì)粒圖譜。

研究團(tuán)隊(duì)嚴(yán)格按照 Biomni 的方案進(jìn)行實(shí)驗(yàn)，第二天就長(zhǎng)出了菌落，挑取兩個(gè)菌落測(cè)序——完美匹配，無(wú)一差錯(cuò)。

Biomni 設(shè)計(jì)濕實(shí)驗(yàn)方案

案例四：蛋白質(zhì)熱穩(wěn)定性優(yōu)化

輸入一個(gè)蛋白質(zhì)序列，目標(biāo)是提高其熱穩(wěn)定性。Biomni 自主調(diào)用 AlphaFold2 預(yù)測(cè)蛋白三維結(jié)構(gòu)，使用 ThermoMPNN 評(píng)估基線穩(wěn)定性，查閱文獻(xiàn)尋找同源蛋白中的穩(wěn)定突變，提出候選突變，并迭代評(píng)估了三輪優(yōu)化。

最終，它確定了三個(gè)突變（Q83I、C66F、C110F），累計(jì)預(yù)測(cè)熱穩(wěn)定性提升 -4.108 kcal/mol，同時(shí)保持了 98% 的氨基酸序列一致性。每個(gè)突變都有明確的物理化學(xué)原理支撐——這在過(guò)去需要專業(yè)的計(jì)算生物學(xué)家花費(fèi)數(shù)周才能完成。

Biomni 優(yōu)化蛋白質(zhì)的熱穩(wěn)定性

案例五：自動(dòng)化液體處理工作站控制

Biomni 還能與 PyLabRobot 框架集成，直接為 Hamilton STAR 等液體處理工作站生成可執(zhí)行的自動(dòng)化代碼。從一個(gè)簡(jiǎn)單的“液體轉(zhuǎn)移”指令，到復(fù)雜的“8 種化合物、12 點(diǎn)梯度稀釋、3 次重復(fù)”的細(xì)胞活力測(cè)定方案，Biomni 都能生成包含正確臺(tái)面配置、錯(cuò)誤處理和資源清理的生產(chǎn)級(jí)代碼。

這標(biāo)志著 Biomni 實(shí)現(xiàn)了從“干實(shí)驗(yàn)分析”到“濕實(shí)驗(yàn)執(zhí)行”的全鏈路打通。

Biomni 通過(guò)自動(dòng)生成實(shí)驗(yàn)方案，連接計(jì)算分析與濕實(shí)驗(yàn)操作

結(jié)語(yǔ)

Biomni的出現(xiàn)，預(yù)示著一種全新的科研范式正在形成——人類負(fù)責(zé)提出創(chuàng)意、設(shè)計(jì)方向、做出關(guān)鍵決策；AI 負(fù)責(zé)執(zhí)行繁瑣的分析、整合分散的知識(shí)、生成可操作的方案。

這種“人機(jī)協(xié)作”的模式，可能會(huì)像當(dāng)年計(jì)算機(jī)輔助藥物設(shè)計(jì)一樣，深刻改變生物醫(yī)學(xué)研究的節(jié)奏和效率。正如論文所說(shuō)——Biomni 的愿景是 AI 增強(qiáng)人類科學(xué)家，加速科學(xué)發(fā)現(xiàn)（Biomni envisions artificial intelligence augmenting human scientists and accelerating discovery）。

而這一天的到來(lái)，或許比我們之前想象還要快。

論文鏈接：

https://www.science.org/doi/10.1126/science.adz4351