摘要生物医学研究长期受碎片化、重复性工作流制约极大延缓科研发现进程。本文开发通用生物医学人工智能智能体Biomni能够自主执行多样化科研任务。为搭建统一生物医学动作空间Biomni内置动作挖掘智能体从25个细分领域共2,500篇预印本文献中挖掘工具、数据库、标准实验方案构建一体化智能交互环境。其通用架构融合大语言模型推理、检索增强任务规划、代码式执行引擎无需预设模板即可动态组装完整科研工作流。系统基准测试表明Biomni在跨异构任务中具备优异泛化能力涵盖因果基因筛选、药物重定位、罕见病诊断、微生物组分析、分子克隆且无需针对单项任务微调优化。真实世界案例研究证实Biomni可解读多模态数据集、优化蛋白质热稳定性、调度湿实验室自动化仪器、产出可直接开展实验的标准化操作方案。Biomni证明人工智能可协同科研人员、加速科研产出本文完整介绍该智能体架构、基准测试结果与多场景落地实例。首个针对生物医药LLM智能体的全流程过程级评测框架kexinhcs.stanford.edujurecs.stanford.edu#生物医学AI智能体 #自主科研 #大语言模型 #检索增强生成 #多组学整合 #单细胞分析 #湿实验自动化 #基因调控网络 #强化学习 #生物信息开源工具Biomni整体架构与统一生物医学动作空间动作挖掘智能体科研操作资源库构建图1Biomni统一生物医学动作空间与智能体整体架构示意(A) 统一生物医学动作空间标准化构建工作流采用AI挖掘智能体从25个生物医学细分领域文献提取全部科研操作经专家人工核验整理集成软件、实验方案、数据库3类资源。(B) 平台覆盖学科范围示意图包含遗传学、基因组、合成生物学、细胞生物学、生理学、微生物、药理学、生物工程、生物物理、分子生物学、病理学标注内置代表性工具与数据库体现通用型适配能力。(C) Biomni推理与动作组装实例输入复杂生物学问题后智能体检索匹配工具、生成结构化推理方案、拼接可执行代码循环观测迭代直至输出精准最终结论。标准化基准测试Biomni-Eval1与HLE-Bio通用任务基准性能对比图2Biomni基准测试与强化学习性能对比(A) Biomni-Eval1基准测试结果443条查询、10大生物任务对比纯大模型、代码智能体、Biomni完整架构平均准确率。(B) 生物领域终极考试HLE-Bio测试多款前沿大模型单独运行vs Biomni智能体框架的准确率差距。(C) 单细胞RNA测序注释任务Biomni准确率与人类专家持平分析耗时显著缩短。(D) 罕见遗传病诊断准确率匹配临床专家分析时长大幅降低。(E) GWAS因果基因挖掘达到专家级准确率运算速度更快。(F) Biomni智能体与强化学习训练完整流程思考模块、动作执行模块、轨迹奖励迭代更新权重。(G) 强化学习前后全任务平均性能Biomni-R08B/32B经训练后性能显著超越基础底座与教师模型。(H) 分任务强化学习增益所有生物细分任务准确率均获得稳定提升。大真实生物医学科研应用案例案例大规模可穿戴新冠生理时序数据分析图3Biomni自主开展多模态生物医学综合分析并生成科研假说(A–D) 可穿戴设备新冠多组学自主分析结果(A) 数据集基础信息1,027名受试者Fitbit心率、步数高频时序数据。(B) Biomni十步全自动分析管线数据集探查预处理→基线构建→生理响应定量→昼夜自主神经分析→跨受试者对比→异常周期识别→多生物标志物风险建模→响应模式生成→可视化绘图→总结报告。(C) 人群昼夜心率分布热力图、个体昼夜节律图谱。(D) 核心发现筛选6项独立新冠生理标志物——静息心率升高、昼夜节律幅度下降、心率变异性降低、夜间心率上升、日均步数减少、变时反应钝化复合风险评分0~6分低风险61.7%、中风险24.1%、高/极高风险14.2%。案例人胚胎骨骼单细胞单细胞核多组学调控网络解析(E–H) 胚胎骨骼单细胞多组学自主分析流程(E) 研究对象人肩、髋、膝关节胚胎单细胞核多组测序数据。(F) 十步多组学调控网络分析管线数据载入探查→RNA预处理→pySCENIC参数配置→GRNBoost网络推断→cisTarget修剪调控网络→ATAC可及性提取→AUCell计算调控子活性→ATAC 过滤候选靶基因→分细胞/发育阶段活性分析→结论汇总。(G) 发育阶段调控因子活性热图RUNX2调控子在各类骨骼细胞箱线图。(H) 核心结论AUTS2、ZFHX3、PBX1为新型关键转录因子在多种骨骼细胞中高活性共鉴定566~589套细胞特异性调控子。案例CRISPR sgRNA分子克隆湿实验完整方案设计图4分子克隆实验智能生成案例(A) 10套真实克隆场景开放式答题对比纯大模型、实习科研人员、资深专家、Biomni准确率对比。(B) 用户原始实验需求示例。(C) Biomni分步自动化工作流质粒解析→sgRNA设计→寡核苷酸合成→金Gate组装→细菌转化→菌落筛选→质粒图谱构建。(D) 完整可直接实操分步克隆实验方案附带质粒图谱。(E) 湿实验验证筛选菌落扩增后Sanger测序sgRNA序列完全匹配设计序列。案例蛋白质热稳定性迭代优化图5蛋白质热稳定性自主优化管线(A) 计算进化完整工作流UniProt/文献挖掘→AlphaFold结构预测→迭代突变筛选→自由能ΔΔG评估。(B) 3轮迭代优化轨迹突变Q83I、C110F、C66F累计ΔΔG-4.108 kcal序列同源性保持98%提升疏水核心与芳香堆叠稳定效应。(C) 自然语言转液体处理机器人可执行PyLabRobot代码。(D) Hamilton STAR液体工作站代码落地验证。案例实验室自动化仪器代码生成数据和代码Biomni全套数据均为公开资源可通过开源程序包自动下载https://github.com/snap-stanford/biomni可视化网页访问地址https://biomni.phylo.bioBiomni-R0模型权重发布于Hugging Face平台https://huggingface.co/biomni/Biomni-R0-32B-Preview详细总结思维导图研究背景与现有工具缺陷基准测试对比Biomni-Eval1 443道生物科研题细分任务专家对标结果参考Science. 2026 Jul 9:eadz4351. doi: 10.1126/science.adz4351.Autonomous biomedical research with an artificial intelligence agent注AI辅助创作如有不当欢迎指出。内容仅供参考不构成任何建议。
摘要生物医学研究长期受碎片化、重复性工作流制约极大延缓科研发现进程。本文开发通用生物医学人工智能智能体Biomni能够自主执行多样化科研任务。为搭建统一生物医学动作空间Biomni内置动作挖掘智能体从25个细分领域共2,500篇预印本文献中挖掘工具、数据库、标准实验方案构建一体化智能交互环境。其通用架构融合大语言模型推理、检索增强任务规划、代码式执行引擎无需预设模板即可动态组装完整科研工作流。系统基准测试表明Biomni在跨异构任务中具备优异泛化能力涵盖因果基因筛选、药物重定位、罕见病诊断、微生物组分析、分子克隆且无需针对单项任务微调优化。真实世界案例研究证实Biomni可解读多模态数据集、优化蛋白质热稳定性、调度湿实验室自动化仪器、产出可直接开展实验的标准化操作方案。Biomni证明人工智能可协同科研人员、加速科研产出本文完整介绍该智能体架构、基准测试结果与多场景落地实例。首个针对生物医药LLM智能体的全流程过程级评测框架kexinhcs.stanford.edujurecs.stanford.edu#生物医学AI智能体 #自主科研 #大语言模型 #检索增强生成 #多组学整合 #单细胞分析 #湿实验自动化 #基因调控网络 #强化学习 #生物信息开源工具Biomni整体架构与统一生物医学动作空间动作挖掘智能体科研操作资源库构建图1Biomni统一生物医学动作空间与智能体整体架构示意(A) 统一生物医学动作空间标准化构建工作流采用AI挖掘智能体从25个生物医学细分领域文献提取全部科研操作经专家人工核验整理集成软件、实验方案、数据库3类资源。(B) 平台覆盖学科范围示意图包含遗传学、基因组、合成生物学、细胞生物学、生理学、微生物、药理学、生物工程、生物物理、分子生物学、病理学标注内置代表性工具与数据库体现通用型适配能力。(C) Biomni推理与动作组装实例输入复杂生物学问题后智能体检索匹配工具、生成结构化推理方案、拼接可执行代码循环观测迭代直至输出精准最终结论。标准化基准测试Biomni-Eval1与HLE-Bio通用任务基准性能对比图2Biomni基准测试与强化学习性能对比(A) Biomni-Eval1基准测试结果443条查询、10大生物任务对比纯大模型、代码智能体、Biomni完整架构平均准确率。(B) 生物领域终极考试HLE-Bio测试多款前沿大模型单独运行vs Biomni智能体框架的准确率差距。(C) 单细胞RNA测序注释任务Biomni准确率与人类专家持平分析耗时显著缩短。(D) 罕见遗传病诊断准确率匹配临床专家分析时长大幅降低。(E) GWAS因果基因挖掘达到专家级准确率运算速度更快。(F) Biomni智能体与强化学习训练完整流程思考模块、动作执行模块、轨迹奖励迭代更新权重。(G) 强化学习前后全任务平均性能Biomni-R08B/32B经训练后性能显著超越基础底座与教师模型。(H) 分任务强化学习增益所有生物细分任务准确率均获得稳定提升。大真实生物医学科研应用案例案例大规模可穿戴新冠生理时序数据分析图3Biomni自主开展多模态生物医学综合分析并生成科研假说(A–D) 可穿戴设备新冠多组学自主分析结果(A) 数据集基础信息1,027名受试者Fitbit心率、步数高频时序数据。(B) Biomni十步全自动分析管线数据集探查预处理→基线构建→生理响应定量→昼夜自主神经分析→跨受试者对比→异常周期识别→多生物标志物风险建模→响应模式生成→可视化绘图→总结报告。(C) 人群昼夜心率分布热力图、个体昼夜节律图谱。(D) 核心发现筛选6项独立新冠生理标志物——静息心率升高、昼夜节律幅度下降、心率变异性降低、夜间心率上升、日均步数减少、变时反应钝化复合风险评分0~6分低风险61.7%、中风险24.1%、高/极高风险14.2%。案例人胚胎骨骼单细胞单细胞核多组学调控网络解析(E–H) 胚胎骨骼单细胞多组学自主分析流程(E) 研究对象人肩、髋、膝关节胚胎单细胞核多组测序数据。(F) 十步多组学调控网络分析管线数据载入探查→RNA预处理→pySCENIC参数配置→GRNBoost网络推断→cisTarget修剪调控网络→ATAC可及性提取→AUCell计算调控子活性→ATAC 过滤候选靶基因→分细胞/发育阶段活性分析→结论汇总。(G) 发育阶段调控因子活性热图RUNX2调控子在各类骨骼细胞箱线图。(H) 核心结论AUTS2、ZFHX3、PBX1为新型关键转录因子在多种骨骼细胞中高活性共鉴定566~589套细胞特异性调控子。案例CRISPR sgRNA分子克隆湿实验完整方案设计图4分子克隆实验智能生成案例(A) 10套真实克隆场景开放式答题对比纯大模型、实习科研人员、资深专家、Biomni准确率对比。(B) 用户原始实验需求示例。(C) Biomni分步自动化工作流质粒解析→sgRNA设计→寡核苷酸合成→金Gate组装→细菌转化→菌落筛选→质粒图谱构建。(D) 完整可直接实操分步克隆实验方案附带质粒图谱。(E) 湿实验验证筛选菌落扩增后Sanger测序sgRNA序列完全匹配设计序列。案例蛋白质热稳定性迭代优化图5蛋白质热稳定性自主优化管线(A) 计算进化完整工作流UniProt/文献挖掘→AlphaFold结构预测→迭代突变筛选→自由能ΔΔG评估。(B) 3轮迭代优化轨迹突变Q83I、C110F、C66F累计ΔΔG-4.108 kcal序列同源性保持98%提升疏水核心与芳香堆叠稳定效应。(C) 自然语言转液体处理机器人可执行PyLabRobot代码。(D) Hamilton STAR液体工作站代码落地验证。案例实验室自动化仪器代码生成数据和代码Biomni全套数据均为公开资源可通过开源程序包自动下载https://github.com/snap-stanford/biomni可视化网页访问地址https://biomni.phylo.bioBiomni-R0模型权重发布于Hugging Face平台https://huggingface.co/biomni/Biomni-R0-32B-Preview详细总结思维导图研究背景与现有工具缺陷基准测试对比Biomni-Eval1 443道生物科研题细分任务专家对标结果参考Science. 2026 Jul 9:eadz4351. doi: 10.1126/science.adz4351.Autonomous biomedical research with an artificial intelligence agent注AI辅助创作如有不当欢迎指出。内容仅供参考不构成任何建议。
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
