登上Science：斯坦福華人團隊打造“AI智能體科學家”，全自動開展生物醫學研究

撰文丨王聰

編輯丨王多魚

排版丨水成文

生物醫學研究正日益受到重復且碎片化工作流程的制約，這些流程減緩了發現的進程。

2025 年 6 月，斯坦福大學黃柯鑫、Serena Zhang、王瀚宸、屈元昊、陸熒洲等研究人員領銜的團隊，聯合 Genentech、Arc Institute、加州大學舊金山分校及普林斯頓大學等多個頂尖研究機構，在預印本平臺 bioRxiv 上發布了一款通用型生物醫學 AI 智能體——Biomni，該智能體能夠自主完成多個生物醫學分支領域的復雜研究任務。

2026 年 7 月 9 日，該論文通過同行評議，以：Autonomous biomedical research with an artificial intelligence agent（AI 智能體驅動的自主生物醫學研究）為題，正式發表在了國際頂尖學術期刊Science。

系統性基準測試表明，Biomni在多種異質任務上具有強大的泛化能力——包括因果基因優先排序、藥物再利用、罕見病診斷、微生物組分析和分子克隆——且無需針對特定任務進行調優。真實案例研究表明，Biomni 能夠解析多模態數據集，優化蛋白質穩定性，協調濕實驗儀器，并生成可進行實驗驗證的方案。研究團隊表示，Biomni 的愿景是 AI 能夠增強人類科學家的能力，加速科學發現。

為什么我們需要“AI 科學家”？

生物醫學研究正面臨一個尷尬的困境：一方面，高通量測序、可穿戴設備等技術產生了海量數據；另一方面，能夠分析這些數據的專家嚴重不足。

數據已堆積如山，人才卻供不應求。

許多有價值的數據被閑置，許多復雜的分析無法開展，許多跨領域的知識聯系未能建立——不是因為它們不重要，而是因為能做這些事的人，實在是太少了。

現有的 AI 工具雖然強大，但大多是“專才”：有的只會分析單細胞數據，有的只擅長設計基因編輯實驗，有的只能做藥物篩選。一旦換個領域，就得重新訓練或更換工具。

那么，能不能造一個“通才”——一個能像人類科學家一樣，在不同生物醫學領域自如切換的“AI 科學家”？

這，也正是Biomni誕生的初衷。

Biomni 是如何煉成的？

打造這樣一個全能的“AI 科學家”絕非易事。研究團隊做了兩件關鍵的事——

第一步：構建“生物醫學行動空間”

研究團隊從 bioRxiv 預印本平臺的 25 個生物醫學子領域中，各選取 100 篇最新論文，共計 2500 篇，讓 AI 逐篇閱讀，提取其中涉及的任務、工具、數據庫和軟件。

最終，他們構建了Biomni-E1環境，包含——150 個專業生物醫學工具、105 個常用軟件包，以及 59 個數據庫。

這相當于給 AI 配備了一個完整的虛擬實驗室。

第二步：設計通用型智能體架構

有了工具還不夠，還得知道怎么用。研究團隊設計了Biomni-A1架構，其核心創新有三——

• 智能資源選擇：面對用戶提問，AI 會先檢索最相關的工具和數據庫，而不是把所有東西都用上。

• 代碼即行動接口：AI 用代碼來表達和執行每一步操作，這讓它能夠靈活組合不同工具，處理復雜流程。

• 自適應規劃：AI 制定初始計劃后，會在執行過程中不斷調整和優化，就像人類科學家邊做邊想一樣。

Biomni 概述

簡單來說，Biomni就像一個擁有“超級大腦”的人類科學家，既掌握了大量專業知識，又懂得如何靈活運用各種工具。

Biomni 到底有多強？

研究團隊通過一系列嚴格的測試，在論文中展示了 Biomni 的強大能力——

基準測試：全面領先

在涵蓋 443 個問題的綜合基準測試中，Biomni 的平均準確率達到 57%，遠超普通大語言模型（LLM）的 30%、專業藥物研發智能體的 25%，甚至超過了專門編程助手的 43%。

在“人類最后的考試”（生物醫學版）這類高難度推理測試中，無論底層采用什么大模型，Biomni 都能帶來 6-12 個百分點的顯著提升——說明優勢來自其架構設計，而非某個特定模型。

與人類專家 PK：又快又好

研究團隊還讓 Biomni 與資深博士后、教授級人類專家進行了正面 PK，結果顯示，在單細胞注釋、罕見病診斷及 GWAS 因果基因檢測等任務中，Biomni 在準確率方面與人類專家相當或更高，而在速度方面，提升了數倍乃至數十倍。

強化學習加持：越學越強

研究團隊還引入了強化學習機制，讓 Biomni 在與環境的交互中不斷自我優化。經過訓練后，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“實踐”持續進步，而這是人類研究人員需要數年時間專業訓練才能做到的。

Biomni 在通用基準測試、專家級任務以及強化學習方面的性能表現

實戰演練：五個真實案例

如果說基準測試只是“紙上談兵”，那接下來的五個實際應用案例則真正展現了 Biomni 的價值。

案例一：可穿戴數據分析

研究團隊給 Biomni 提供了來自 1027 名參與者的 Fitbit 手環的心率和步數原始數據——總計超過 14 億次心率測量和 3700 萬條步數記錄。

Biomni 完全自主地完成了整個分析流程：從數據清洗、生理指標提取（靜息心率、晝夜節律振幅、心率變異性等）、到構建多維度風險評分（0-6 分），再到生成可發表級別的可視化圖表。

最終結果與原始研究高度吻合，包括關鍵的生理相關性（例如靜息心率與晝夜節律振幅呈負相關），整個分析無需人工干預。

Biomni 自主分析可穿戴數據

案例二：多組學數據分析

這是最令人印象深刻的案例之一。Biomni 被要求分析一個包含 336162 個細胞核的人類胚胎骨骼發育多組學數據集（同時包含 RNA-seq 和 ATAC-seq 數據）。

它自主規劃并執行了一個十階段的分析流程：加載和探索所有數據集、準備 RNA-seq 數據、配置轉錄因子分析工具、推斷基因調控網絡、網絡修剪、計算調控因子活性、提取染色質可及性數據、利用 ATAC-seq 數據過濾預測靶點、分析不同細胞類型、發育階段的活性模式、總結發現并生成報告

整個運行耗時約 5 小時，期間還會自行處理變量名不匹配等實時錯誤。最終結果不僅復現了已知的骨形成調控關系，還提名了幾個此前未被充分研究的潛在調控因子（例如 AUTS2、ZFHX3、PBX1），為后續研究提供了新方向。

Biomni 自主分析單細胞多組學數據

案例三：濕實驗方案設計

分子生物學中最常見的任務之一就是“克隆”——將目標基因片段插入載體中。這對經驗豐富的研究人員來說是家常便飯，但對新手而言卻充滿陷阱。

Biomni 被要求設計一個靶向人類 B2M 基因的 sgRNA 克隆方案，它自主完成了分析質粒結構、設計 sgRNA、生成寡核苷酸序列、提供詳細的實驗步驟（退火、連接、轉化、篩選）、設計驗證引物、模擬組裝并生成最終質粒圖譜。

研究團隊嚴格按照 Biomni 的方案進行實驗，第二天就長出了菌落，挑取兩個菌落測序——完美匹配，無一差錯。

Biomni 設計濕實驗方案

案例四：蛋白質熱穩定性優化

輸入一個蛋白質序列，目標是提高其熱穩定性。Biomni 自主調用 AlphaFold2 預測蛋白三維結構，使用 ThermoMPNN 評估基線穩定性，查閱文獻尋找同源蛋白中的穩定突變，提出候選突變，并迭代評估了三輪優化。

最終，它確定了三個突變（Q83I、C66F、C110F），累計預測熱穩定性提升 -4.108 kcal/mol，同時保持了 98% 的氨基酸序列一致性。每個突變都有明確的物理化學原理支撐——這在過去需要專業的計算生物學家花費數周才能完成。

Biomni 優化蛋白質的熱穩定性

案例五：自動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行的自動化代碼。從一個簡單的“液體轉移”指令，到復雜的“8 種化合物、12 點梯度稀釋、3 次重復”的細胞活力測定方案，Biomni 都能生成包含正確臺面配置、錯誤處理和資源清理的生產級代碼。

這標志著 Biomni 實現了從“干實驗分析”到“濕實驗執行”的全鏈路打通。

Biomni 通過自動生成實驗方案，連接計算分析與濕實驗操作

結語

Biomni的出現，預示著一種全新的科研范式正在形成——人類負責提出創意、設計方向、做出關鍵決策；AI 負責執行繁瑣的分析、整合分散的知識、生成可操作的方案。

這種“人機協作”的模式，可能會像當年計算機輔助藥物設計一樣，深刻改變生物醫學研究的節奏和效率。正如論文所說——Biomni 的愿景是 AI 增強人類科學家，加速科學發現（Biomni envisions artificial intelligence augmenting human scientists and accelerating discovery）。

而這一天的到來，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