跟着生物检测、扰动实验与测度建模技巧阻挡熟悉，生命科学究诘的精度与限制正在连忙擢升。然而，与高速增长的数据出产身手比拟，科研体系在学问整合与科学推理层面的智能化身手却显明滞后。海量有用信息分布在论文、数据库与实验闭幕之中，依赖东说念主工梳理不仅效用低，也难以跨界限关联已有论断，导致好多照旧被考证的发现无法实时滚动为新的究诘想路或临床决策。

这种「学问碎屑化」问题，在「老药新用」界限尤为典型。岂论是达拉非尼自后被发现具有耳保护作用，如故氯胺酮拓展出新的和解价值，都阅历了数年乃至数十年的滚动滞后，反应出现时科研经由在学问发现与整合上的瓶颈。

连年来，大说话模子（LLM）凭借海量语料教练所酿成的检索、归纳与逻辑推理身手，运转在生命科学究诘中展现后劲。结合微调、检索增强生成（RAG）以及多智能体伙同等技巧后，这类模子照旧大致在文件分析、药物估量、科学假定生成等单项任务中达到以致进步东说念主工水平。然而，现存 AI 器具大多仍停留在科研经由的局部要津，难以真确领路「假定生成—实验蓄意—数据分析—闭幕迭代」的无缺链条，因此尚弗成达成真确真义真义上的闭环智能科研。

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纠合团队提议了 Robin 生物学多智能体系统。这是首个同期交融科学假定生成与实验数据分析身手、并达成通顺闭环责任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，大致半自主完成疾病机制分解、候选药物筛选、实验复盘以及假定迭代。究诘团队以干性年纪关系性黄斑变性（dAMD）这一和解技能匮乏、临床需求紧迫的疾病为应用场景，考证了 Robin 在智能化药物筛选中的身手，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施行范式。

关系究诘效用以「A multi-agent system for automating scientific discovery」为题，已发表于 Nature。

究诘亮点：

* Robin 系统初度将文件假定生成与生物实验数据分析整合为通顺闭环责任流

* Robin 可适配多学科科研发现，在和解药物研发界限仅需输入宗旨疾病称号，系统即可自动筛选疾病环节病理机制、匹配体外实验模子、提议候选药物、完成实验数据分析并迭代更新候选分子

* 以 dAMD 为究诘表率，Robin 初度提议 ROCK 扼制剂通过增强 RPE 团结功能和解干性黄斑变性的全新政策

查抄论文：

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

数据集：阴私公开文件、生信基准与实验数据

该究诘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，阴私文件文本、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 药物研发经由中的中枢数据场景。

领先，究诘东说念主员整合了 551 篇与 dAMD 关系的中英文科研文件，手脚系统进行科学假定生成的学问基础。其中包括 151 篇疾病机制究诘，以及 400 篇对于视网膜色素上皮细胞团结功能很是疾病关联的究诘论文。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头。

其次，究诘东说念主员取舍通用生物信息学基准数据集 BixBench，对系统的数据分析身手进行量化评测。究诘从中筛选出 170 说念与药物研发关系的测试题，涵盖转录组分析、基因组学、功能富集分析、序列分析以及统计测验等多种任务类型。悉数试题均配套法式化数据包、法式谜底与侵犯项，可用于系统评估智能体在的确生信场景中的适配身手与壮健性。

此外，究诘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证提供的确缓助。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闭幕、多组药物管制后的 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闭幕。其中，东说念主源细胞样正本自纽约见解树立眼库，均为 60 岁以上、无眼部疾病供体起头的视网膜色素上皮干细胞，从而保证了实验数据的的确性与临床参考价值。

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，与传统仅引申单一任务的科研 AI 器具不同，其初度达成了「科学假定生成—实验分析—闭幕反馈—假定迭代」的通顺闭环责任流，可半自主完成疾病机制究诘、候选药物筛选以及实验数据分解等无缺科研经由。

Robin 系统架构与责任流

系统取舍「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 主要慎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 慎重疾病关系文件检索、病理机制梳理、实验模子筛选以及候选药物初步挖掘，大致系统整合碎屑化究诘并索要环节科学论断；Falcon 则承担深度考证与优化任务，对 Crow 提议的候选决策进一步分析其药理机制、表面依据与潜在局限，并改换文件中的纰缪援用，从而裁减大模子「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具不同，Finch 取舍生成式推理神志，可字据实验数据特征实时生成并引申 Python 或 R 代码，自合适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经由，而大致像究诘东说念主员一样动态退换分析政策。

为了裁减大模子在数据分析中的立时性，Robin 进一步蓄意了「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、数据分析与闭幕输出，最终再通过元分析神志整合多轨迹论断，AG真人中国官网入口从而减少单轮分析波动与参数互异带来的偏差，擢升闭幕壮健性。

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 手脚中枢评审模子，并结合 Google Gemini 2.5 Pro 对皆界限行家偏好，通过两两比较与锦标赛排序神志，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取舍全量配对，数目较大时则进行立时抽样对比，并诓骗布拉德利—特里—卢斯模子完成权重排序，在保证评估精度的同期限制测度老本。

此外，为确保分析过程的可复现性，悉数 Finch 任务均运行于孤苦 Docker 容器环境中，并预装无缺的生物信息学器具链。究诘团队还通过多轮 Prompt 工程优化与责任流简化，将复杂的原始经由压缩为壮健、易用的 Jupyter 责任流，使系统在科研场景中的可操作性进一步擢升。

Robin 发现利帕舒地尔擢升团结身手 1.89 倍

该究诘以 dAMD 为中枢应用场景，围绕 Robin 的假定生成身手、数据分析身手、架构有用性以及的确药物研发效用蓄意了多组考证据验。

中枢实验聚焦于候选药物筛选与作用机制考证。Robin 领先通过文件分析梳理出 10 项 dAMD 环节致病机制，并将「增强视网膜色素上皮细胞团结功能」细目为中枢和解地方。在首轮筛选中，系统提议 30 种候选药物，究诘东说念主员从中考取艾塞那肽、芬戈莫德、Y-27632 等药物开展实验，并以已知有用药物 MFGE8 手脚阳性对照。

团结实验经由线路图

随后，Robin 进一步自主提议转录组测序实验决策，并由 Finch 完成数据分析。闭幕漫现，Y-27632 大致通过调控肌动卵白骨架、自噬通路以及脂质转运环节基因ABCA1，达成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志的作用机制。

为了进一步擢升药物筛选的临床关系性，究诘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，可将细胞团结身手擢升约 1.89 倍。究诘团队随后取舍更接近的确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，闭幕再次考证了利帕舒地尔与 Y-27632 的剂量依赖性效果，同期裸露利帕舒地尔不存在显明细胞毒性，具备较高的临床滚动后劲。

Y-27632 管制视网膜色素上皮细胞的转录组测序分析

值得防御的是，Robin 还尽头发现日夜节拍调控药物 KL001 相同具备增强团结功能的后劲，为 dAMD 和解提供了全新的究诘地方。后续转录组考证进一步证据，利帕舒地尔大致壮健上调 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团结功能

在与通用 AI 科研系统的竞品对比中，究诘团队取舍交流教唆调用 OpenAI Deep Research Agent，其生成的 17 种候选药物均未发达出团结增强活性，也未识别出 ROCK 扼制这一核情绪制，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 智能体全体准确率达到 22.8±1.7%，权贵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%。闭幕标明，挑升蓄意的科研智能体框架大致权贵擢升通用大模子在生物数据分析中的实质身手，但复杂、多法子生信任务仍存在进一步优化空间。

在效用与老本方面，Robin 相同展现出显明上风。究诘统计裸露，系统单次无缺科研责任流平均老本仅约 10.76 好意思元；同期，Robin 大致在 30 分钟内完成 551 篇文件的整合分析，而交流责任量的东说念主工管制频繁需要进步 800 小时。全体来看，系统单轮无缺科研经由耗时不及 2 小时，比拟传统东说念主工科研经由，效用擢升约 200 倍。

写在临了

Robin 的真义真义并不局限于发现了几个潜在候选药物。更首要的是AG真人(中国)官方IOS|Android手机app下载，它初度展示了东说念主工智能在生命科学中从「辅助器具」向「半自主科研系统」演进的可能性。虽然，这类系统距离真确真义真义上的「自主科学家」仍有距离。复杂实验蓄意、跨步调生物机制融会以及闭幕可说明性等问题，依然高度依赖界限行家参与。但 Robin 的出现至少说明，AI 照旧不再仅仅匡助科研东说念主员「提高效用」的器具，而正在徐徐具备参与科学发现自身的身手。