跟着生物检测、扰动实验与野心建模时候不停熟悉，生命科学征询的精度与限度正在速即进步。但是，与高速增长的数据分娩才智比较，科研体系在学问整合与科学推理层面的智能化才智却泄漏滞后。海量灵验信息散布在论文、数据库与实验驱散之中，依赖东说念主工梳理不仅效力低，也难以跨界限关联已有论断，导致好多还是被考据的发现无法实时转动为新的征询想路或临床决策。

这种「学问碎屑化」问题，在「老药新用」界限尤为典型。不管是达拉非尼自后被发现具有耳保护作用，照旧氯胺酮拓展出新的诊疗价值，都阅历了数年乃至数十年的转动滞后，反应出面前科研历程在学问发现与整合上的瓶颈。

比年来，大说话模子（LLM）凭借海量语料锻练所造成的检索、归纳与逻辑推理才智，开动在生命科学征询中展现后劲。衔尾微调、检索增强生成（RAG）以及多智能体和谐等时候后，这类模子还是大概在文件分析、药物展望、科学假定生成等单项任务中达到甚而跳跃东说念主工水平。但是，现存 AI 器用大多仍停留在科研历程的局部要津，难以着实领略「假定生成—实验瞎想—数据分析—驱散迭代」的好意思满链条，因此尚不成已毕着实意象上的闭环智能科研。

针对这一问题，来自好意思国旧金山 FutureHouse、英国牛津大学以及好意思国福特汉姆大学的聚会团队残忍了 Robin 生物学多智能体系统。这是首个同期和会科学假定生成与实验数据分析才智、并已毕络续闭环使命流的生物医学智能系统。

Robin 通过文件检索智能体与数据分析智能体的协同配合，大概半自主完成疾病机制领悟、候选药物筛选、实验复盘以及假定迭代。征询团队以干性年齿议论性黄斑变性（dAMD）这一诊疗技能匮乏、临床需求蹙迫的疾病为应用场景，考据了 Robin 在智能化药物筛选中的才智，为东说念主工智能驱动的新药研发与老药新用提供了新的践诺范式。

议论征询驱散以「A multi-agent system for automating scientific discovery」为题，已发表于 Nature。

征询亮点：

* Robin 系统初次将文件假定生成与生物实验数据分析整合为络续闭环使命流

* Robin 可适配多学科科研发现，在诊疗药物研发界限仅需输入见识疾病称呼，系统即可自动筛选疾病要害病理机制、匹配体外实验模子、残忍候选药物、完成实验数据分析并迭代更新候选分子

* 以 dAMD 为征询规范，Robin 初次残忍 ROCK 扼制剂通过增强 RPE 归并功能诊疗干性黄斑变性的全新政策

稽查论文：

https://www.nature.com/articles/s41586-026-10652-y

数据集：遮蔽公开文件、生信基准与实验数据

该征询构建了由公开文件数据、通用生物信息学基准数据以及自主实验数据构成的三层数据体系，遮蔽文件文本、生物信息学分析任务、细胞检测与转录组测序等多种类型，基本囊括了 AI 药物研发历程中的中枢数据场景。

领先，征询东说念主员整合了 551 篇与 dAMD 议论的中英文科研文件，动作系统进行科学假定生成的学问基础。其中包括 151 篇疾病机制征询，以及 400 篇对于视网膜色素上皮细胞归并功能特殊疾病关联的征询论文。这部分文件不仅用于疾病机制梳理，也为体外实验模子筛选与老药新用候选药物生成提供表面依据，是 Robin 开展学问挖掘的中枢起首。

其次，征询东说念主员接受通用生物信息学基准数据集 BixBench，对系统的数据分析才智进行量化评测。征询从中筛选出 170 说念与药物研发议论的测试题，涵盖转录组分析、基因组学、功能富集分析、序列分析以及统计锻真金不怕火等多种任务类型。总共试题均配套法度化数据包、法度谜底与干涉项，可用于系统评估智能体在真是生信场景中的适配才智与安祥性。

此外，征询东说念主员还构建了自主实验数据集，为模子迭代与实验考据提供真是支捏。数据包括 ARPE-19 细胞与东说念主原代视网膜色素上皮干细胞的流式细胞术检测驱散、多组药物贬责后的 RNA-seq 转录组数据，以及细胞毒性、免疫细胞化学染色、VEGF 酶联免疫吸附实验等驱散。其中，澳门十大信誉网2026世界杯(中国)官网东说念主源细胞样蓝本自纽约目力建立眼库，均为 60 岁以上、无眼部疾病供体起首的视网膜色素上皮干细胞，从而保证了实验数据的真是性与临床参考价值。

Robin：面向生物医学科学发现的多智能体系统

Robin 基于 Aviary 框架并运行于 Jupyter Notebook 环境中，与传统仅扩充单一任务的科研 AI 器用不同，其初次已毕了「科学假定生成—实验分析—驱散反馈—假定迭代」的络续闭环使命流，可半自主完成疾病机制征询、候选药物筛选以及实验数据领悟等好意思满科研历程。

Robin 系统架构与使命流

系统接受「三智能体」中枢架构，由两个文件智能体与一个数据分析智能体协同构成。

其中，两个文件智能体 Crow 与 Falcon 主要隆重文件学问挖掘与科学假定生成，均基于 OpenAI o4-mini 模子运行。Crow 隆重疾病议论文件检索、病理机制梳理、实验模子筛选以及候选药物初步挖掘，大概系统整合碎屑化征询并索要要害科学论断；Falcon 则承担深度考据与优化任务，对 Crow 残忍的候选决策进一步分析其药理机制、表面依据与潜在局限，并检阅文件中的舛讹援用，从而缩短大模子「幻觉」问题。

第三个中枢模块 Finch 则是挑升面向生物实验数据的分析智能体。与传统依赖固定分析剧本的器用不同，Finch 接受生成式推理形势，可证据实验数据特征实时生成并扩充 Python 或 R 代码，自得当完成流式细胞术分析、RNA-seq 互异抒发分析以及基因功能富集等任务。这意味着系统不再局限于预界说分析历程，而大概像征询东说念主员一样动态调度分析政策。

为了缩短大模子在数据分析中的立时性，Robin 进一步瞎想了「多轨迹分析+共鸣整合」机制。系统可同期启动 8 条孤苦的 Finch 分析轨迹，每条轨迹孤苦完成代码生成、数据分析与驱散输出，最终再通过元分析形势整合多轨迹论断，世界杯竞猜网站从而减少单轮分析波动与参数互异带来的偏差，进步驱散安祥性。

在评估机制上，Robin 还引入了双层大模子评审体系。系统以 Anthropic 的 Claude 3.7 Sonnet 动作中枢评审模子，并衔尾 Google Gemini 2.5 Pro 对都界限人人偏好，通过两两比较与锦标赛排序形势，对候选机制、实验模子和药物决策进行层级评估。当待评估决策较少时接受全量配对，数目较大时则进行立时抽样对比，并诈欺布拉德利—特里—卢斯模子完成权重排序，在保证评估精度的同期为止野心本钱。

此外，为确保分析过程的可复现性，总共 Finch 任务均运行于孤苦 Docker 容器环境中，并预装好意思满的生物信息学器用链。征询团队还通过多轮 Prompt 工程优化与使命流简化，将复杂的原始历程压缩为安祥、易用的 Jupyter 使命流，使系统在科研场景中的可操作性进一步进步。

Robin 发现利帕舒地尔进步归并才智 1.89 倍

该征询以 dAMD 为中枢应用场景，围绕 Robin 的假定生成才智、数据分析才智、架构灵验性以及真是药物研发效力瞎想了多组考据实验。

中枢实验聚焦于候选药物筛选与作用机制考据。Robin 领先通过文件分析梳理出 10 项 dAMD 要害致病机制，并将「增强视网膜色素上皮细胞归并功能」详情为中枢诊疗标的。在首轮筛选中，系统残忍 30 种候选药物，征询东说念主员从中及第艾塞那肽、芬戈莫德、Y-27632 等药物开展实验，并以已知灵验药物 MFGE8 动作阳性对照。

归并实验历程暗示图

随后，Robin 进一步自主残忍转录组测序实验决策，并由 Finch 完成数据分析。驱懒散现，Y-27632 大概通过调控肌动卵白骨架、自噬通路以及脂质转运要害基因ABCA1，已毕视网膜色素上皮细胞的转录组重编程，揭示了此前未被明确意识的作用机制。

为了进一步进步药物筛选的临床议论性，征询随后开展第二轮药物迭代实验。Robin 新增 10 种候选药物，并发现已上市青光眼药物利帕舒地尔的效果优于 Y-27632，可将细胞归并才智进步约 1.89 倍。征询团队随后接受更接近真是生理环境的东说念主原代视网膜色素上皮干细胞进行复筛，驱散再次考据了利帕舒地尔与 Y-27632 的剂量依赖性效果，同期浮现利帕舒地尔不存在泄漏细胞毒性，具备较高的临床转动后劲。

Y-27632 贬责视网膜色素上皮细胞的转录组测序分析

值得防范的是，Robin 还稀零发现日夜节奏调控药物 KL001 雷同具备增强归并功能的后劲，为 dAMD 诊疗提供了全新的征询标的。后续转录组考据进一步阐述，利帕舒地尔大概安祥上调 ABCA1 抒发，从而明确了其中枢作用通路。

利帕舒地尔与 KL001 增强视网膜色素上皮细胞归并功能

在与通用 AI 科研系统的竞品对比中，征询团队接受交流教唆调用 OpenAI Deep Research Agent，其生成的 17 种候选药物均未施展出归并增强活性，也未识别出 ROCK 扼制这一中枢思制，进一步突显了 Robin 在生物医学细分场景中的适配上风。

此外，在 BixBench 基准测试中，Finch 智能体合座准确率达到 22.8±1.7%，显赫高于纯大说话模子的 1.6±1.2%。其中，生物统计任务准确率达到 47.9±1.5%，基础流式细胞术分析准确率达到 100%，RNA-seq 分析准确率达到 86%。驱散标明，挑升瞎想的科研智能体框架大概显赫进步通用大模子在生物数据分析中的骨子才智，但复杂、多体式生信任务仍存在进一步优化空间。

在效力与本钱方面，Robin 雷同展现出泄漏上风。征询统计浮现，系统单次好意思满科研使命流平均本钱仅约 10.76 好意思元；同期，Robin 大概在 30 分钟内完成 551 篇文件的整合分析，而交流使命量的东说念主工贬责经常需要跳跃 800 小时。合座来看，系统单轮好意思满科研历程耗时不及 2 小时，比较传统东说念主工科研历程，效力进步约 200 倍。

写在终末

Robin 的意象并不局限于发现了几个潜在候选药物。更要紧的是，它初次展示了东说念主工智能在生命科学中从「支持器用」向「半自主科研系统」演进的可能性。固然，这类系统距离着实意象上的「自主科学家」仍有距离。复杂实验瞎想、跨措施生物机制领路以及驱散可说明性等问题，依然高度依赖界限人人参与。但 Robin 的出现至少说明，AI 还是不再仅仅匡助科研东说念主员「提高效力」的器用世界杯竞猜网站，而正在逐步具备参与科学发现自身的才智。