华人科学家研发通用生物医学智能体 登Science 科研表现接近人类专家

今天凌晨，科学界传来一项引人注目的新进展——由华人青年科学家黄柯鑫团队与合作伙伴共同开发的通用生物医学AI Agent——Biomni，正式发表于《科学》杂志。 这篇论文描述了一个相当“能打”的系统：Biomni无需依赖固定的工作流模板，它能够根据研究者提出的问题，自主拆解任务、调用工具，完成各类生物医学研究。无论是在遗传学、基因组学还是药理学领域，它都展现出良好的泛化能力。更关键的是，在部分真实科研任务中，其表现已接近人类专家，且所需时间更短。 真实场景的案例研究进一步验证了这一点：Biomni不仅能解读多模态数据集，还能优化蛋白质稳定性、协调湿实验室仪器操作，甚至直接生成可供实验验证的实验方案。

论文链接：www.science.org/doi/10.1126/science.adz4351 研究团队表示，这项工作为生物医学研究开辟了一个有前景的方向——AI Agent有望与人类科学家并肩协作，辅助完成繁杂的研究与实验，从而加速基础研究向实际应用的转化。

Biomni：一个可扩展的通用生物医学Agent

过去，生物医学领域的Agent大多只是某一领域的“专才”。它们能在特定场景中发挥作用，但很难覆盖多类生物医学研究任务。 Biomni的不同之处在于，它构建了一个统一的生物医学动作空间。具体来说，它包含两个核心组件：Biomni-E1是执行环境，Biomni-A1则是该环境中工作的Agent。 Biomni-E1负责整合科研中常用的工具、数据库和软件，将其转化为可调用、可组合的资源。研究团队从bioRxiv定义的25个生物医学主题中各选取100篇近期论文，共分析了2500篇文献。动作发现Agent逐篇阅读论文，提取复现或开展相关研究所需的任务、工具、数据库、软件和实验方案。经过人工验证后，这些资源被整理成一个可执行环境，使Agent能够通过Python、R和命令行进行调用。 Biomni-A1则负责根据具体研究问题选择资源、规划流程并执行任务。具体来说，它包含以下几个环节： 1. 资源选择：Biomni-A1会根据用户目标，从生物医学工具、数据库和软件中动态筛选最相关的资源，用于完成当前任务。 2. 代码执行：它以代码作为统一接口，将工具调用、数据库查询、数据处理和分析步骤连接起来，形成可执行的工作流。 3. 自适应规划：Biomni-A1会先基于生物医学知识生成初始计划，并在执行过程中根据中间结果不断修正和细化，使后续步骤更贴合当前任务。

做真实科研接近人类专家

研究团队发现，Biomni在通用生物医学基准上优于多类基线系统，在真实科研任务中的表现接近人类专家，能够参与实验设计和自动化执行，提供可供实验测试的实验方案；并可通过强化学习进一步提升专门任务能力。 1. 通用生物医学研究基准 在通用生物医学研究任务中，Biomni的表现明显优于多个基线模型。Biomni-Eval1结果显示，Biomni在平均准确率上取得最高表现；即便使用同一Biomni-E1环境，ReAct生物信息学Agent的表现仍不及由Biomni-A1驱动的系统。这说明Biomni的能力不仅来自工具、数据库和软件资源的整合，也来自于Agent框架本身。 为了检验Biomni在未见生物医学问题上的泛化能力，研究者使用Humanity's Last Exam的生物医学子集HLE-Bio进行评测。结果显示，当多款前沿LLM接入Biomni-A1智能体架构和Biomni-E1环境后，准确率提升约6%–12%。这意味着Agent能力主要来自于架构与环境支持，而非某一特定底层模型。 2. 对比人类专家：同等精度，大幅缩短分析时间 在真实科研任务中，Biomni的整体准确率接近专家，且分析速度明显更快。尤其在罕见病诊断和GWAS任务中，原本需要专家花费一两个小时完成的分析，Biomni在几分钟内即可完成。 3. 真实案例验证 研究团队指出，Biomni不仅能够完成计算分析，还能提出假说、辅助实验方案设计、整合完整工作流，并把部分实验流程转化为可运行的代码。 **提出假说**：Biomni具备从复杂数据中自动生成可验证生物学假说的能力。它既能在可穿戴设备睡眠数据中发现睡眠结构、睡眠效率与睡眠质量相关的规律，也能在人类胚胎骨骼发育多组学数据中复现已知成骨调控关系，并提出候选转录调控因子，解析骨骼谱系转录调控机制。

图｜基于可穿戴设备的睡眠数据探索：研究设计、分析流程与主要发现。 **辅助实验方案设计**：在分子克隆任务中，Biomni生成了端到端克隆方案和质粒图谱，盲法评审结果接近人类专家、优于人类受训者。随后，研究人员按照Biomni设计的B2M sgRNA克隆方案开展湿实验。实验第二天获得菌落，两个菌落的测序结果均显示sgRNA插入正确，证明该方案具备实验可行性。 **整合完整工作流**：在蛋白质热稳定性优化任务中，研究者团队只需提供蛋白序列，并提出“提高热稳定性”的目标，Biomni就会选择并组合AlphaFold-2、ThermoMPNN和文献检索等资源，预测蛋白结构、评估序列热稳定性，并结合结构信息和已有文献，提出候选突变。 **任务执行**：在实验自动化任务中，Biomni展示的是将自然语言实验需求转化为机器人可执行代码的能力。研究者只需要描述要做什么实验，并给出所使用的液体处理平台信息，Biomni就可以选择PyLabRobot作为自动化接口，根据Hamilton STAR的硬件配置生成可执行代码。随后，机器人可按照这套自动化方案执行实验操作，从而将研究者的实验意图直接连接到实际的自动化执行流程。 4. 强化学习提升专门任务能力 强化学习可以帮助Agent提升工具使用和任务规划能力。Biomni虽然具备较强的泛化能力，但在部分专门任务上仍未达到专家水平。为了解决这个问题，研究团队训练了开源模型Biomni-R0，让模型在Biomni-E1环境中与工具、数据库和任务流程交互，并用专家标注的奖励信号优化任务完成效果。 训练结果显示，经过强化学习训练后，开源Biomni-R0模型在专门任务上的表现明显提升。8B版本的平均任务得分从0.32提高到了0.59，超过了Claude 4 Sonnet的0.56；32B版本进一步提高到0.67。任务层面的结果也显示，强化学习带来的提升覆盖了多类专门生物医学任务，包括实验设计、基因与变异分析、数据库查询和疾病诊断等。

不足与未来方向

研究团队也坦诚地指出了Biomni的短板。 首先，覆盖范围仍有限。现有评估任务只覆盖了部分生物医学研究，许多关键领域尚未充分测试；动作发现阶段主要依赖近期文献，可能遗漏一些已经淡出当前讨论、但仍具有长期价值的基础概念和经典技术。未来，研究仍需要纳入更多生物医学子领域、真实任务场景和更广泛的文献来源。 其次，Biomni在复杂多步骤任务中仍依赖较明确的结构化提示。以scRNA-scATAC多组学分析为例，提前写清关键分析步骤有助于提升结果稳定性和可复现性，但它仍然难以自动补足复杂分析中的领域知识和分析惯例。未来，研究仍需进一步提升规划和推理能力。 研究团队也指出，Biomni在不同任务上的表现并不均衡。它在数据库查询、序列分析和分子克隆等任务上已经接近人类水平，但在需要细致临床判断、实验推理或深层生物学综合的任务中仍有不足。为此，研究团队提出，未来可以通过强化学习提升其规划和执行能力，并进一步整合文本、图像和结构化数据等多模态信息。 最后，生命科学AI Agent也带来了生物安全问题。由于这类系统能够综合文献、生成实验方案并执行自动化分析，可能使生物知识更容易被滥用。研究团队强调，未来需要坚持开放透明、严格评估，并与生物安全和政策社区保持沟通，在扩大科研收益的同时降低潜在风险。 更多技术细节，详见原论文。