两款AI科学助手成功实现药物重定向应用

近日，《自然》杂志同期发表了两项突破性研究，展示了两种旨在革新科研工作流的AI系统。一款来自谷歌，名为Co-Scientist，强调人机深度协作；另一款由非营利机构FutureHouse开发，其系统更进一步，能对特定生物实验数据进行自动化评估与分析。

尽管谷歌表示其系统架构同样适用于物理学探索，但两家团队目前展示的成果均聚焦于生物学领域，研究假设也相对明确，核心目标是解答“现有药物是否可能对另一种疾病产生疗效”。这清晰地揭示了它们的核心定位：并非取代科学家，而是充分发挥AI在处理海量、跨领域信息方面的独特优势，成为科研人员的高效智能伙伴。

信息爆炸时代，AI如何成为科研的“信息锚点”

两款系统在技术实现上各有侧重，但本质上都属于“AI智能体”范畴，即通过协调调用一系列专用工具来完成任务。这与微软开发科学助手的思路相似，而OpenAI则选择了另一条路径，专注于对通用大语言模型进行生物学领域的专项微调。

尽管技术路线不同，它们都精准地瞄准了现代科研的核心痛点：科学信息的指数级增长。如今，论文发表日益便捷，期刊数量庞大，任何一位研究人员都难以完全追踪本领域的最新进展，更不用说从其他看似不相关的学科中发掘潜在的交叉创新点了。例如，一个调控眼部发育的关键信号通路，很可能也与肾脏的某项功能密切相关，但分属不同领域的研究者极易错过对方的重大发现。

FutureHouse团队对此的阐述极为精辟：他们的系统Robin专精于“组合式综合”，即识别不同知识领域间那些非显而易见的潜在联系，从而高效摘取那些因学科壁垒而被人类专家忽略的“低垂果实”。

这正是AI大显身手的舞台。它能够不知疲倦地、系统性地梳理经过同行评议的浩瀚文献，而科学家则得以将宝贵精力投入到更需要创造力、洞察力和复杂判断的核心工作中。问题的关键并非AI是否比人类做得更出色，而在于：如果没有AI的辅助，这种大规模、系统性的跨领域文献关联与知识挖掘，很可能因其耗时耗力而根本无人系统性地开展。

通过发现足够多的研究关联与证据链，这些AI工具能够生成关于生物学机制的合理假设，例如揭示哪些细胞过程支撑了特定生物行为，或哪些信号通路在其中起关键调控作用。在两篇论文展示的案例中，系统均针对病变细胞中的相关通路，提出了现有药物的潜在新用途——谷歌的研究聚焦于急性髓系白血病，而FutureHouse则深入探索了年龄相关性黄斑变性的治疗可能。

谷歌Co-Scientist：基于“锦标赛”机制的假设进化系统

不出所料，谷歌的Co-Scientist系统以其强大的Gemini大语言模型作为核心推理引擎。其工作流程始于研究人员输入明确的研究目标，随后系统启动广泛的文献检索，从中提取关键信息并形成初步假设。接下来，这些假设会进入一个创新的“锦标赛”机制中进行多轮竞争，由专门的“反思智能体”对各项假设进行评估。胜出的假设则由“进化智能体”负责进一步优化与精炼，然后重新投入下一轮评估，形成一个持续迭代、优胜劣汰的闭环。

整个流程的核心评估维度包括：假设的生物学合理性、科学新颖性、实验可验证性以及潜在安全性。尤为重要的是，其反思工具能够实时调用外部权威科学文献数据库进行检索与交叉验证。谷歌指出，这一设计“有效防止了系统生成看似新颖但缺乏依据的‘幻觉’假设”。

论文特别强调了科学家在流程中的深度参与。在寻找靶向白血病药物的案例中，系统生成的所有候选药物建议均由一个专家小组进行优先级排序与审核，专家们可以随时追溯并查阅Co-Scientist在形成每一条建议时所依据的全部文献来源与推理链条。

最终实验结果符合癌症治疗领域的普遍认知：系统识别出的部分药物确实对某些白血病细胞系表现出抑制效果，但作用仅限于特定的细胞亚群。这并不意外，因为肿瘤细胞的恶性增殖可能由多种不同的分子通路驱动，能有效阻断某一类细胞通路的药物，对依赖其他通路的癌细胞可能就收效甚微。

谷歌还透露，该系统具备完成更广泛假设生成任务的潜力，并以研究细菌毒力基因的传播机制为例进行了说明，不过相关细节披露较为有限。此外，该系统被设计为模型无关的架构，未来可以无缝迁移到更强大的下一代AI模型上。当然，谷歌也坦诚地指出了其局限性：“Co-Scientist同样继承了底层大语言模型的固有缺陷，包括事实准确性不足和产生幻觉的可能性。”

FutureHouse Robin：实现从假设到数据分析的完整自动化闭环

FutureHouse的Robin系统与Co-Scientist有相似的设计哲学，但也存在几个关键差异，这些差异并不仅仅体现在为每个工具赋予鸟类名称的巧思上。Robin配备了专用的文献处理工具链：Crow负责快速生成论文的简明摘要，Falcon则提供更深入的概述与分析。一组对比数据直观展示了其效率优势：“Robin能在30分钟内完成对551篇论文的核心信息提取与分析，而人类专家完成同等工作量预计需要540小时。”

在整合这些摘要信息后，Robin针对黄斑变性的发病机制形成了一系列竞争性假设，并利用内部工具对支撑每个假设的证据强度进行了详细梳理与评估。随后，一个大语言模型评判器会对这些假设进行两两比较，形成相对优劣的排名——这与谷歌的“锦标赛”机制有异曲同工之妙。

类似的智能筛选流程也被应用于为疾病模型挑选最合适的细胞系和培养条件，并最终生成了针对30种候选药物的详细评估报告。团队表示：“这些报告不仅阐明了每种药物可能适用于干预疾病机制的科学依据，同时也客观指出了其已知的潜在局限性与副作用风险。”这些报告随后提交给人类专家进行最终评审，以决定优先推进哪些实验验证。

更值得一提的是，Robin甚至能够提出具体的药物体外检测实验方案。经人类专家评估后，大部分方案的原型或变体被实际采纳。Robin与Co-Scientist最显著的区别在于：它集成了一个名为Finch的核心工具，能够自动处理流式细胞术、RNA测序等标准生物筛选实验所产生的原始数据。这意味着，只要实验类型在Finch的能力图谱内，系统就能自动完成从假设生成、实验设计到数据初步分析的额外关键步骤，形成一个更完整的科研自动化闭环。

与谷歌的发现相呼应，Robin也提出了一个新颖的科学假设：增强视网膜色素上皮细胞清除细胞外代谢碎片的能力，可能对延缓或减轻黄斑变性起到保护作用。而在其后续设计的验证实验中，也确实发现了一种似乎能提供此类保护效果的已知药物。

同样，专门针对科学文献进行优化的工具至关重要。当团队尝试用OpenAI的通用模型o4-mini替换掉专用的Crow工具时，论文引用中的“幻觉”率（即虚构或不存在的引用）从零急剧上升至45%。FutureHouse还评估了OpenAI另一款专注于研究的工具，发现该工具推荐但Robin未曾提及的药物，在后续的细胞功能实验中均未显示出预期效果。

现状与未来展望：明确潜力，认清边界

首先需要明确的是，这些令人鼓舞的成果目前处于药物研发流程中相对早期的发现与验证阶段——尽管药物开发的任何一个环节都充满挑战。AI在此的角色并非从零开始设计全新的分子结构，而且大多数候选药物的失败发生在更后期的动物体内试验和人体临床试验，而非早期的细胞培养测试。这并非贬低药物重定位（老药新用）的巨大价值（这些药物已有充分的安全性数据，许多已过专利期且成本较低），但我们必须清醒认识到，AI距离攻克药物研发中真正艰巨的挑战（如预测人体复杂系统反应、优化药代动力学性质等），还有相当漫长的路要走。

此外，“某种分子机制导致疾病，某种药物恰好靶向该机制”这类假设，在生物学中也属于相对具体和边界清晰的问题。在更开放的科研前沿，科学家常常需要面对诸如“某个特定基因突变为何在截然不同的组织中引发多种复杂缺陷，其底层统一的病理机制是什么？”或“在这个关键基因的表达阈值附近，细胞内部究竟发生了何种级联反应，导致其对环境信号的应答方式发生根本性转变？”这类更为宏大、模糊且充满不确定性的难题。目前尚不清楚这些现有的AI系统能否有效应对此类高度开放性的基础科学探索。

话虽如此，文献信息过载确实是横亘在许多科研领域面前的真实困境。专门为此设计的AI系统，有巨大潜力帮助我们避免“所有关键信息早已存在于文献中，却因无人进行系统性整合与关联分析而被长期埋没”的遗憾。值得欣慰的是，在AI与科学深度结合的早期探索阶段，我们已经看到了至少两套独立开发的系统在共同应对这一挑战。未来，我们或许可以同时运行多套基于不同原理的系统，对比和交叉验证其结果，这本身就将成为一种推动科学进步的新方法论。

Q&A

Q1：谷歌Co-Scientist系统是如何运作的？

该系统以谷歌的Gemini大语言模型为核心驱动。它首先解析科学家输入的研究问题或目标，随后启动自动化文献检索并从海量文本中提取信息，形成初步的科学假设。这些假设随后进入一个“锦标赛”式多轮评估与优化循环：由“反思智能体”依据合理性、新颖性等标准进行评估，胜出者由“进化智能体”进行精炼，流程可迭代进行。科学家全程参与监督，并对最终输出的假设进行优先级排序与决策。

Q2：FutureHouse的Robin系统与Co-Scientist有什么核心不同？

最关键的差异在于，Robin集成了一个名为Finch的自动化实验数据分析工具，能够直接处理流式细胞术、RNA测序等生物实验的原始数据，从而实现了从假设生成到实验数据解读的更完整自动化工作流。此外，Robin拥有Crow和Falcon两个专用文献处理工具，能极高效率地提供论文的精准摘要与深度分析，其文献处理速度相比人工有数量级优势。

Q3：AI科学助手目前能解决哪些问题，主要局限性在哪里？

当前，这类AI系统最擅长的领域是应对科学文献信息过载，能快速、跨领域地梳理海量文献，发现潜在的非线性关联，并提出像药物重定位这类目标相对明确的假设。其主要局限性体现在：首先，它们更适用于假设验证型研究，应对完全开放、定义模糊的基础科学问题的能力尚待验证；其次，在细胞实验层面的成功，距离在复杂的动物模型或人体临床试验中取得疗效还有巨大差距；最后，系统性能仍受限于底层大语言模型，无法完全避免事实性错误与“幻觉”生成的风险。