登上Science！华人科学家推出通用生物医学AI Agent，真实科研表现接近人类专家-星锐云联资讯网

今日凌晨，登上由华人青年科学家 黄柯鑫领衔的人科团队及其合作者，在权威科学期刊《Science》上发表重磅成果，学家现接推出通用生物医学 AI Agent —— Biomni。推出通用

据论文披露，生物实科Biomni 突破了传统固定工作流模板的医学研表限制，能够围绕研究者提出的近人核心问题，自主拆解任务并动态调用工具，类专协助完成多样化的登上生物医学研究。该模型在 遗传学、人科基因组学、学家现接药理学等关键领域展现出卓越的推出通用泛化能力；在部分真实科研场景中，其表现已接近人类专家水平，生物实科且显著缩短了分析用时。医学研表

真实场景案例进一步证实，近人Biomni 具备解读 多模态数据集、优化蛋白质稳定性以及 协调湿实验室仪器操作的能力，并能生成可供实验验证的科学方案。

论文链接：www.science.org/doi/10.1126/science.adz4351

研究团队指出，这项工作为生物医学研究开辟了新范式：AI Agent有望与 人类科学家形成深度协作，辅助处理繁杂的研究与实验环节，从而加速基础研究成果向临床应用的转化。

Biomni：构建可扩展的通用生物医学 Agent

过往的生物医学 AI Agent 多为垂直领域的“专才”，虽在特定场景表现优异，却难以覆盖跨学科的多类研究任务。

与传统任务专用型 Agent 不同，Biomni 构建了一个统一的生物医学动作空间，由 Biomni-E1（执行环境）和 Biomni-A1（智能体）组成。具体架构如下：

Biomni-E1：统一的可执行科研环境

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、可组合的资源池。
* 数据构建：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，共计分析 2500篇文献。
* 动作发现：通过 Agent 逐篇阅读，提取复现或开展研究所需的任务、工具、数据库、软件及实验方案。
* 资源标准化：经人工验证后，这些资源被整理为可执行环境，支持通过 Python、R和 命令行进行调用。

Biomni-A1：自主规划与执行的智能体

负责根据具体研究问题，动态选择资源、规划流程并执行任务。核心环节包括：
1. 资源选择：基于用户目标，从生物医学工具、数据库和软件库中动态筛选最相关的资源。
2. 代码执行：以代码作为统一接口，串联工具调用、数据库查询、数据处理与分析步骤，形成可执行工作流。
3. 自适应规划：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，确保后续步骤贴合当前任务需求。

真实科研场景：表现接近人类专家

研究发现，Biomni 在通用生物医学基准测试中优于多种基线系统，在真实科研任务中展现出接近人类专家的能力，能够参与实验设计、自动化执行并提供可测试方案；同时，通过强化学习可进一步提升其专门任务能力。

1. 通用生物医学研究基准测试

在通用生物医学研究任务中，Biomni 表现显著优于多个基线模型。
* Biomni-Eval1 结果：Biomni 在平均准确率上取得最高分。即便使用相同的 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。这表明 Biomni 的优势不仅源于工具资源的整合，更得益于其 Agent 架构本身。
* 泛化能力验证：为检验未见生物医学问题的泛化能力，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 架构和 Biomni-E1 环境后，准确率提升约 6%-12%。这证明 Agent 的核心能力主要来源于架构与环境支持，而非单一底层模型。

2. 对比人类专家：同等精度，大幅提速

在真实科研任务中，Biomni 的整体准确率接近专家水平，且分析速度显著更快。
* 效率提升：在罕见病诊断和 GWAS（全基因组关联分析）任务中，原本需要专家花费 1-2 小时完成的分析，Biomni 仅需 几分钟即可完成。

3. 真实案例深度验证

研究团队指出，Biomni 不仅能完成计算分析，还能提出假说、辅助实验方案设计、整合完整工作流，并将部分实验流程转化为可运行代码。

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。
在可穿戴设备睡眠数据中，它发现了睡眠结构、效率与质量之间的关联规律。
在人类胚胎骨骼发育多组学数据中，它复现已知的成骨调控关系，并提出候选转录调控因子，解析了骨骼谱系的转录调控机制。

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。盲法评审结果显示，其表现接近人类专家，优于人类受训者。
湿实验验证：研究人员依据 Biomni 设计的 B2M sgRNA 克隆方案开展实验。次日获得菌落，测序结果显示两个菌落的 sgRNA 插入均正确，证实了方案的实验可行性。
整合完整工作流：在 蛋白质热稳定性优化任务中，研究者仅需提供蛋白序列及“提高热稳定性”的目标。
Biomni 自动选择并组合 AlphaFold-2、ThermoMPNN和文献检索等资源。
它预测蛋白结构、评估序列热稳定性，并结合结构信息与文献提出 候选突变。
任务执行（实验自动化）：Biomni 展示了将自然语言实验需求转化为机器人 可执行代码的能力。
研究者只需描述实验意图并提供液体处理平台信息（如 Hamilton STAR 硬件配置）。
Biomni 选择 PyLabRobot作为自动化接口，生成可执行代码，驱动机器人直接执行实验操作，实现了从“实验意图”到“自动化执行”的无缝连接。

4. 强化学习提升专门任务能力

尽管 Biomni 具备强泛化能力，但在部分专门任务上仍未达到专家水平。为此，研究团队训练了开源模型 Biomni-R0，使其在 Biomni-E1 环境中与工具、数据库交互，并利用专家标注的奖励信号进行优化。

性能提升显著：
8B 版本：平均任务得分从 0.32 提升至 0.59，超越 Claude 4 Sonnet 的 0.56。
32B 版本：进一步提升至 0.67。
覆盖领域：强化学习带来的提升覆盖了实验设计、基因与变异分析、数据库查询和疾病诊断等多类专门生物医学任务。

不足与未来方向

研究团队客观指出了 Biomni 当前的局限性及未来改进方向：

覆盖范围有限：现有评估仅覆盖部分生物医学研究，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，可能遗漏具有长期价值的基础概念和经典技术。未来需纳入更多 生物医学子领域、真实任务场景及更广泛的 文献来源。
依赖结构化提示：在复杂多步骤任务（如 scRNA-scATAC 多组学分析）中，Biomni 仍依赖较明确的 结构化提示以保证稳定性和可复现性。它尚难自动补足复杂分析中的 领域知识和 分析惯例，未来需进一步提升规划和 推理能力。
任务表现不均衡：Biomni 在数据库查询、序列分析和分子克隆等任务上已接近人类水平，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。未来计划通过强化学习提升规划和 执行能力，并整合文本、图像和结构化数据等多模态信息。
生物安全风险：鉴于此类系统能综合文献、生成实验方案并执行自动化分析，存在生物知识被滥用的风险。研究团队强调，未来需坚持 开放透明和 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。