由耶鲁大学马克·格斯坦教授、斯米塔·克里希纳斯瓦米教授、唐相儒，宾夕法尼亚大学黄治教授、崔岩，斯坦福大学吴方，哈佛大学林希虹教授，以及德国慕尼黑亥姆霍兹中心法比安·泰斯教授、汪伟旭等组成的跨机构联合团队，近日在arXiv平台发布题为《CellForge：虚拟细胞模型的智能体化设计》的研究论文。该成果标志着首个能够从零开始自动设计并生成虚拟细胞模型的多智能体系统问世，为AI for Science领域带来关键突破。 CellForge系统基于多智能体协作架构，由数据专家、模型设计师、生物学家和训练专家等角色组成的AI团队，通过多轮批判性讨论与辩论，共同优化模型设计方案。研究人员仅需输入原始单细胞多组学数据（如scRNA-seq、scATAC-seq、CITE-seq）和自然语言任务描述（如基因敲除或药物响应预测），系统即可自动生成定制化模型架构，并输出完整可执行代码，涵盖数据预处理、训练、验证与推理全流程。 与传统人工建模相比，CellForge实现了端到端自动化，显著降低科研门槛，尤其惠及缺乏计算背景的生物学家。其核心优势在于跨模态泛化能力——能自动识别不同数据类型并适配最优网络结构，在RNA-seq、ATAC-seq和CITE-seq任务中均超越scGPT、Geneformer、ChemCPA等前沿模型，且在人类专家评估中表现更优。 系统工作流程分为三步：任务分析（解析数据与文献背景）、方法设计（多智能体协作生成方案）和实验执行（自动生成代码并运行）。其“批判性共识”机制通过上千轮迭代，避免单一模型的幻觉与偏差，提升方案可解释性与科学严谨性。 研究团队还展示了CellForge在药物研发、癌症研究与合成生物学中的巨大潜力。通过虚拟细胞建模，可提前预测药物对细胞的影响，大幅减少试错成本，加速新药筛选。未来，团队计划将其与自动化实验平台结合，实现“设计-模拟-实验”闭环，推动科研向工业化、规模化发展。 目前，CellForge论文与代码已开源，旨在促进全球科研协作。该系统并非取代科学家，而是作为智能协作者，助力人类探索生命奥秘，开启科学发现的新范式。