登上Science：斯坦福华人团队打造“AI智能体科学家”，全自动开展生物医学研究

发布时间：2026-07-10来源：生物世界

撰文丨王聪

编辑丨王多鱼

排版丨水成文

生物医学研究正日益受到重复且碎片化工作流程的制约，这些流程减缓了发现的进程。

2025 年 6 月，斯坦福大学黄柯鑫、Serena Zhang、王瀚宸、屈元昊、陆荧洲等研究人员领衔的团队，联合 Genentech、Arc Institute、加州大学旧金山分校及普林斯顿大学等多个顶尖研究机构，在预印本平台 bioRxiv 上发布了一款通用型生物医学 AI 智能体——Biomni，该智能体能够自主完成多个生物医学分支领域的复杂研究任务。

2026 年 7 月 9 日，该论文通过同行评议，以：Autonomous biomedical research with an artificial intelligence agent（AI 智能体驱动的自主生物医学研究）为题，正式发表在了国际顶尖学术期刊 Science。

系统性基准测试表明，Biomni 在多种异质任务上具有强大的泛化能力——包括因果基因优先排序、药物再利用、罕见病诊断、微生物组分析和分子克隆——且无需针对特定任务进行调优。真实案例研究表明，Biomni 能够解析多模态数据集，优化蛋白质稳定性，协调湿实验仪器，并生成可进行实验验证的方案。研究团队表示，Biomni 的愿景是 AI 能够增强人类科学家的能力，加速科学发现。

为什么我们需要“AI 科学家”？

生物医学研究正面临一个尴尬的困境：一方面，高通量测序、可穿戴设备等技术产生了海量数据；另一方面，能够分析这些数据的专家严重不足。

数据已堆积如山，人才却供不应求。

许多有价值的数据被闲置，许多复杂的分析无法开展，许多跨领域的知识联系未能建立——不是因为它们不重要，而是因为能做这些事的人，实在是太少了。

现有的 AI 工具虽然强大，但大多是“专才”：有的只会分析单细胞数据，有的只擅长设计基因编辑实验，有的只能做药物筛选。一旦换个领域，就得重新训练或更换工具。

那么，能不能造一个“通才”——一个能像人类科学家一样，在不同生物医学领域自如切换的“AI 科学家”？

这，也正是 Biomni 诞生的初衷。

Biomni 是如何炼成的？

打造这样一个全能的“AI 科学家”绝非易事。研究团队做了两件关键的事——

第一步：构建“生物医学行动空间”

研究团队从 bioRxiv 预印本平台的 25 个生物医学子领域中，各选取 100 篇最新论文，共计 2500 篇，让 AI 逐篇阅读，提取其中涉及的任务、工具、数据库和软件。

最终，他们构建了 Biomni-E1 环境，包含——150 个专业生物医学工具、105 个常用软件包，以及 59 个数据库。

这相当于给 AI 配备了一个完整的虚拟实验室。

第二步：设计通用型智能体架构

有了工具还不够，还得知道怎么用。研究团队设计了 Biomni-A1 架构，其核心创新有三——

智能资源选择：面对用户提问，AI 会先检索最相关的工具和数据库，而不是把所有东西都用上。
代码即行动接口：AI 用代码来表达和执行每一步操作，这让它能够灵活组合不同工具，处理复杂流程。
自适应规划：AI 制定初始计划后，会在执行过程中不断调整和优化，就像人类科学家边做边想一样。

Biomni 概述

简单来说，Biomni 就像一个拥有“超级大脑”的人类科学家，既掌握了大量专业知识，又懂得如何灵活运用各种工具。

Biomni 到底有多强？

研究团队通过一系列严格的测试，在论文中展示了 Biomni 的强大能力——

基准测试：全面领先

在涵盖 443 个问题的综合基准测试中，Biomni 的平均准确率达到 57%，远超普通大语言模型（LLM）的 30%、专业药物研发智能体的 25%，甚至超过了专门编程助手的 43%。

在“人类最后的考试”（生物医学版）这类高难度推理测试中，无论底层采用什么大模型，Biomni 都能带来 6-12 个百分点的显著提升——说明优势来自其架构设计，而非某个特定模型。

与人类专家 PK：又快又好

研究团队还让 Biomni 与资深博士后、教授级人类专家进行了正面 PK，结果显示，在单细胞注释、罕见病诊断及 GWAS 因果基因检测等任务中，Biomni 在准确率方面与人类专家相当或更高，而在速度方面，提升了数倍乃至数十倍。

强化学习加持：越学越强

研究团队还引入了强化学习机制，让 Biomni 在与环境的交互中不断自我优化。经过训练后，Biomni-R0-32B 版本的性能从 0.35 跃升至 0.67，甚至超越了 Claude 4 Sonnet 等闭源大模型。

这意味着， Biomni 可以通过“实践”持续进步，而这是人类研究人员需要数年时间专业训练才能做到的。

Biomni 在通用基准测试、专家级任务以及强化学习方面的性能表现

实战演练：五个真实案例

如果说基准测试只是“纸上谈兵”，那接下来的五个实际应用案例则真正展现了 Biomni 的价值。

案例一：可穿戴数据分析

研究团队给 Biomni 提供了来自 1027 名参与者的 Fitbit 手环的心率和步数原始数据——总计超过 14 亿次心率测量和 3700 万条步数记录。

Biomni 完全自主地完成了整个分析流程：从数据清洗、生理指标提取（静息心率、昼夜节律振幅、心率变异性等）、到构建多维度风险评分（0-6 分），再到生成可发表级别的可视化图表。

最终结果与原始研究高度吻合，包括关键的生理相关性（例如静息心率与昼夜节律振幅呈负相关），整个分析无需人工干预。

Biomni 自主分析可穿戴数据

案例二：多组学数据分析

这是最令人印象深刻的案例之一。Biomni 被要求分析一个包含 336162 个细胞核的人类胚胎骨骼发育多组学数据集（同时包含 RNA-seq 和 ATAC-seq 数据）。

它自主规划并执行了一个十阶段的分析流程：加载和探索所有数据集、准备 RNA-seq 数据、配置转录因子分析工具、推断基因调控网络、网络修剪、计算调控因子活性、提取染色质可及性数据、利用 ATAC-seq 数据过滤预测靶点、分析不同细胞类型、发育阶段的活性模式、总结发现并生成报告

整个运行耗时约 5 小时，期间还会自行处理变量名不匹配等实时错误。最终结果不仅复现了已知的骨形成调控关系，还提名了几个此前未被充分研究的潜在调控因子（例如 AUTS2、ZFHX3、PBX1），为后续研究提供了新方向。

Biomni 自主分析单细胞多组学数据

案例三：湿实验方案设计

分子生物学中最常见的任务之一就是“克隆”——将目标基因片段插入载体中。这对经验丰富的研究人员来说是家常便饭，但对新手而言却充满陷阱。

Biomni 被要求设计一个靶向人类 B2M 基因的 sgRNA 克隆方案，它自主完成了分析质粒结构、设计 sgRNA、生成寡核苷酸序列、提供详细的实验步骤（退火、连接、转化、筛选）、设计验证引物、模拟组装并生成最终质粒图谱。

研究团队严格按照 Biomni 的方案进行实验，第二天就长出了菌落，挑取两个菌落测序——完美匹配，无一差错。

Biomni 设计湿实验方案

案例四：蛋白质热稳定性优化

输入一个蛋白质序列，目标是提高其热稳定性。Biomni 自主调用 AlphaFold2 预测蛋白三维结构，使用 ThermoMPNN 评估基线稳定性，查阅文献寻找同源蛋白中的稳定突变，提出候选突变，并迭代评估了三轮优化。

最终，它确定了三个突变（Q83I、C66F、C110F），累计预测热稳定性提升 -4.108 kcal/mol，同时保持了 98% 的氨基酸序列一致性。每个突变都有明确的物理化学原理支撑——这在过去需要专业的计算生物学家花费数周才能完成。

Biomni 优化蛋白质的热稳定性

案例五：自动化液体处理工作站控制

Biomni 还能与 PyLabRobot 框架集成，直接为 Hamilton STAR 等液体处理工作站生成可执行的自动化代码。从一个简单的“液体转移”指令，到复杂的“8 种化合物、12 点梯度稀释、3 次重复”的细胞活力测定方案，Biomni 都能生成包含正确台面配置、错误处理和资源清理的生产级代码。

这标志着 Biomni 实现了从“干实验分析”到“湿实验执行”的全链路打通。

Biomni 通过自动生成实验方案，连接计算分析与湿实验操作

结语

Biomni 的出现，预示着一种全新的科研范式正在形成——人类负责提出创意、设计方向、做出关键决策；AI 负责执行繁琐的分析、整合分散的知识、生成可操作的方案。

这种“人机协作”的模式，可能会像当年计算机辅助药物设计一样，深刻改变生物医学研究的节奏和效率。正如论文所说——Biomni 的愿景是 AI 增强人类科学家，加速科学发现（Biomni envisions artificial intelligence augmenting human scientists and accelerating discovery）。

而这一天的到来，或许比我们之前想象还要快。

论文链接：

https://www.science.org/doi/10.1126/science.adz4351