Biomni:一款通用型生物医学人工智能助手
Kexin Huang, Serena Zhang, Hanchen Wang, Yuanhao Qu, Yingzhou Lu, Yusuf Roohani, Ryan Li, Lin Qiu, Gavin Li, Junze Zhang, Di Yin, Shruti Marwaha, Jennefer N. Carter, Xin Zhou, Matthew Wheeler, Jonathan A. Bernstein, Mengdi Wang, Peng He, Jingtian Zhou, Michael Snyder, Le Cong, Aviv Regev, Jure Leskovec
发布日期: 6/17/2025

摘要
生物医学研究是推动我们对人类健康与疾病的理解、药物发现以及临床护理进步的基础。然而,随着复杂实验、大型数据集、众多分析工具以及海量文献的不断涌现,生物医学研究日益受到重复性、碎片化工作流程的限制,这减缓了科学发现的速度,并限制了创新,凸显了对一种全新方式来扩展科学专业知识的迫切需求。在此,我们推出 Biomni,一款通用型生物医学人工智能助手,旨在自主执行跨越多个生物医学子领域的广泛研究任务。为了系统地绘制生物医学行动空间,Biomni 首先利用行动发现代理从 25 个生物医学领域的数万篇文献中挖掘关键工具、数据库和协议,创建了首个统一的智能体环境。基于这一基础,Biomni 采用了将大型语言模型(LLM)推理与检索增强规划以及基于代码的执行相结合的通用智能体架构,使其能够动态组合并执行复杂的生物医学工作流程,完全不依赖预定义的模板或僵化的任务流程。系统的基准测试表明,Biomni 在异构的生物医学任务中表现出强大的泛化能力,包括因果基因优先级排序、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提示调整。真实案例研究进一步展示了 Biomni 解释复杂多模态生物医学数据集以及自主生成可实验验证的协议的能力。Biomni 展望了一个未来:虚拟人工智能生物学家将与人类科学家并肩工作并增强其能力,从而显著提升研究生产力、临床洞察力和医疗保健水平。Biomni 已经可以在 https://biomni.stanford.edu 上使用,我们邀请科学家们探索其能力、测试其极限,并共同创造生物医学发现的新纪元。