登上Science！華人科學家推出通用生物醫學AI Agent，真實科研表現接近人類專家

今日凌晨，由華人青年科學家黃柯鑫團隊及其合作者聯手打造的通用生物醫學 AI Agent——Biomni，登上了權威科學期刊 Science。

據論文描述，Biomni 不用依賴固定的工作流模板，就能圍繞研究者提出的問題，自主拆解任務、調用工具，協助人們完成多樣的生物醫學研究，在遺傳學、基因組學、藥理學等生物醫學任務中，展現出較強的泛化能力；在部分真實科研任務的表現接近人類專家，且用時更短。

真實場景案例研究進一步證明，Biomni 能夠解讀多模態數據集、優化蛋白質穩定性、協調濕實驗室儀器操作，并生成可供實驗驗證的實驗方案。

論文鏈接：www.science.org/doi/10.1126/science.adz4351

研究團隊表示，這項工作為生物醫學研究開啟了一個有前景的方向：AI Agent 有望與人類科學家共同協作，輔助他們完成繁雜的研究與實驗，從而加速基礎研究向應用轉化。

Biomni：一個可擴展的通用生物醫學Agent

過去，生物醫學領域的 Agent，往往只是某一領域的“專才”。它們雖然能在特定場景中發揮作用，卻難以覆蓋多類生物醫學研究任務。

與傳統任務專用型生物醫學 Agent 不同，Biomni 構建了一個統一的生物醫學動作空間。Biomni-E1 是它的執行環境；Biomni-A1 則是在這個環境中工作的 Agent。具體流程如下：

Biomni-E1：負責整合科研中常用的工具、數據庫和軟件，使其成為可調用、可組合的資源。研究團隊從 bioRxiv 定義的 25個 生物醫學主題中，各選取 100 篇近期論文，共分析 2500 篇文獻。動作發現 Agent 逐篇閱讀論文，提取復現或開展相關研究所需的任務、工具、數據庫、軟件和實驗方案。經過人工驗證后，這些資源被整理成一個可執行環境，使 Agent 能夠通過 Python、R 和命令行調用。

Biomni-A1：負責根據具體研究問題選擇資源、規劃流程并執行任務。具體來說，它包含以下幾個環節：

1.資源選擇：Biomni-A1 會根據用戶目標，從生物醫學工具、數據庫和軟件中動態篩選最相關的資源，用于完成當前任務。

2.代碼執行：它以代碼作為統一接口，把工具調用、數據庫查詢、數據處理和分析步驟連接起來，形成可執行的工作流。

3.自適應規劃：Biomni-A1 會先基于生物醫學知識生成初始計劃，并在執行過程中根據中間結果不斷修正和細化，使后續步驟更貼合當前任務。

做真實科研接近人類專家

研究團隊發現，Biomni 在通用生物醫學基準上優于多類基線系統，在真實科研任務的表現接近人類專家，能夠參與實驗設計和自動化執行，提供可供實驗測試的實驗方案；并可通過強化學習進一步提升專門任務能力。

1. 通用生物醫學研究基準

在通用生物醫學研究任務中，Biomni 的表現明顯優于多個基線模型。Biomni-Eval1 結果顯示，Biomni 在平均準確率上取得最高表現；即便使用同一 Biomni-E1 環境，ReAct 生物信息學 Agent 的表現仍不及由 Biomni-A1 驅動的系統。這表明 Biomni 的能力不僅來自工具、數據庫和軟件資源的整合，也來自于 Agent 框架本身。

為檢驗 Biomni 在未見生物醫學問題上的泛化能力，研究者使用 Humanity’s Last Exam 的生物醫學子集 HLE-Bio 進行評測。結果顯示，當多款前沿 LLM 接入 Biomni-A1 智能體架構和 Biomni-E1 環境后，準確率約提升 6%-12%。這說明 Agent 能力主要來自于 Agent 架構與環境支持，而非某一特定底層模型。

2.對比人類專家：同等精度、大幅縮短分析時間

在真實科研任務中，Biomni 的整體準確率接近專家，且分析速度明顯更快。尤其是在罕見病診斷和 GWAS 任務中，原本需要專家花費一兩個小時完成的分析，Biomni 在幾分鐘內即可完成。

3.真實案例驗證

研究團隊指出，Biomni 不僅能夠完成計算分析，還能提出假說、輔助實驗方案設計、整合完整工作流，并把部分實驗流程轉化為可運行的代碼。

提出假說：Biomni 具備從復雜數據中自動生成可驗證生物學假說的能力。它既能在可穿戴設備睡眠數據中發現睡眠結構、睡眠效率與睡眠質量相關的規律，也能在人類胚胎骨骼發育多組學數據中復現已知成骨調控關系，并提出候選轉錄調控因子，解析骨骼譜系轉錄調控機制。

圖｜基于可穿戴設備的睡眠數據探索：研究設計、分析流程與主要發現。

輔助實驗方案設計：在分子克隆任務中，Biomni 生成了端到端克隆方案和質粒圖譜，盲法評審結果接近人類專家、優于人類受訓者。隨后，研究人員按照 Biomni 設計的 B2M sgRNA 克隆方案開展濕實驗。實驗第二天獲得菌落，兩個菌落的測序結果均顯示 sgRNA 插入正確，證明該方案具備實驗可行性。

整合完整工作流：在蛋白質熱穩定性優化任務中，研究者團隊只需提供蛋白序列，并提出“提高熱穩定性”的目標，Biomni 就會選擇并組合 AlphaFold-2、ThermoMPNN 和文獻檢索等資源，預測蛋白結構、評估序列熱穩定性，并結合結構信息和已有文獻，提出候選突變。

任務執行：在實驗自動化任務中，Biomni 展示的是把自然語言實驗需求轉化為機器人可執行代碼的能力。研究者只需要描述要做什么實驗，并給出所使用的液體處理平臺信息，Biomni 就可以選擇 PyLabRobot 作為自動化接口，根據 Hamilton STAR 的硬件配置生成可執行代碼。隨后，機器人可按照這套自動化方案執行實驗操作，從而將研究者的實驗意圖直接連接到實際的自動化執行流程。

4.強化學習提升專門任務能力

強化學習可以幫助 Agent 提升工具使用和任務規劃能力。Biomni 雖然具備較強的泛化能力，但在部分專門任務上仍未達到專家水平。為了解決這個問題，研究團隊訓練了開源模型 Biomni-R0，讓模型在 Biomni-E1 環境中與工具、數據庫和任務流程交互，并用專家標注的獎勵信號優化任務完成效果。

訓練結果顯示，經過強化學習訓練后，開源 Biomni-R0 模型在專門任務上的表現明顯提升。8B 版本的平均任務得分從 0.32 提高到 0.59，超過 Claude 4 Sonnet 的 0.56；32B 版本進一步提高到 0.67。任務層面的結果也顯示，強化學習帶來的提升覆蓋了多類專門生物醫學任務，包括實驗設計、基因與變異分析、數據庫查詢和疾病診斷等。

不足與未來方向

研究團隊指出，盡管 Biomni 展示了通用型生物醫學 Agent 的潛力，但仍存在一些不足。

首先，Biomni 的覆蓋范圍仍有限。現有評估任務只覆蓋了部分生物醫學研究，許多關鍵領域尚未充分測試；動作發現階段主要依賴近期文獻，可能遺漏一些已經淡出當前討論、但仍具有長期價值的基礎概念和經典技術。未來，研究仍需要納入更多生物醫學子領域、真實任務場景和更廣泛的文獻來源。

其次，Biomni 在復雜多步驟任務中仍依賴較明確的結構化提示。以 scRNA-scATAC 多組學分析為例，提前寫清關鍵分析步驟有助于提升結果穩定性和可復現性，但它仍難以自動補足復雜分析中的領域知識和分析慣例。未來，研究仍需進一步提升規劃和推理能力。

研究團隊也指出，Biomni 在不同任務上的表現并不均衡。它在數據庫查詢、序列分析和分子克隆等任務上已經接近人類水平，但在需要細致臨床判斷、實驗推理或深層生物學綜合的任務中仍有不足。為此，研究團隊提出，未來可以通過強化學習提升其規劃和執行能力，并進一步整合文本、圖像和結構化數據等多模態信息。

最后，生命科學 AI Agent 也帶來生物安全問題。由于這類系統能夠綜合文獻、生成實驗方案并執行自動化分析，可能使生物知識更容易被濫用 研究團隊強調，未來需要堅持開放透明、嚴格評估，并與生物安全和政策社區保持溝通，在擴大科研收益的同時降低潛在風險。

更多技術細節，詳見原論文。

作者：夏千斯

如需轉載或投稿，請直接在本文章評論區內留言