摘要：然而，在生物医学实验室中，科研人员往往被复杂的实验方案、庞大的数据库、五花八门的分析工具以及不停更新的海量文献所淹没。生物医学研究日益受到这些重复且分散的工作流程的制约，让科研人员疲于奔命， 严重减缓了科学发现的速度，限制了科学创新。这凸显了科学界对根本性新方
生物医学研究是增进人类对健康和疾病的理解、推动药物研发以及提升临床护理水平的基础。
然而，在生物医学实验室中，科研人员往往被复杂的实验方案、庞大的数据库、五花八门的分析工具以及不停更新的海量文献所淹没。生物医学研究日益受到这些重复且分散的工作流程的制约，让科研人员疲于奔命， 严重减缓了科学发现的速度，限制了科学创新。这凸显了科学界对根本性新方法的迫切需求——一种能够 有效扩展科学专业知识、简化研究工作流程，并充分释放生物医学研究潜力的全新路径。
2025 年 6 月 2 日， 斯坦福大学 黄柯鑫 、 Serena Zhang 、 王瀚宸 、 屈元昊 、 陆荧洲 等研究人员领衔的团队，联合 Genentech、Arc Institute、 加州大学旧金山分校及 普林斯顿大学等 多个顶尖研究机构，发布了一款 通用生物医学 AI 智能体 —— Biomni ，该智能体能够自主完成横跨遗传学、基因组学、微生物学、药理学和临床医学等多个生物医学分支领域的复杂研究任务 。 Biomni 的诞生标志着 AI 在生物医学研究中从“工具使用者”向“自主决策者”的跃迁 。通过将分散的科研资源整合为可操作的 智能体行为单元 ，不仅破解了传统研究流程的碎片化瓶颈，更可能催生跨学科、高通量的自主 化科学发现引擎 。 该研究以： Biomni: A General-Purpose Biomedical AI Agent 为题，发表在了预印本平台 bioRxiv 上，研究团队在 biomni.stanford.edu 开放免费注册和使用 。该研究开发的 Biomni 由两个核心组件构成—— Biomni-E1 和 Biomni-A1 （基于该环境的智能 体 ） 。
Biomni-E1 （统一的生物医学软件和数据环境） ：研究团队选取了 2500 篇最新发表的论文（25 个学科类别，每个类别 100篇），利用行动发现大语言模型 智能体逐篇分析这些论文，提取复现或生成相关研究所需的关键任务、工具、数据库和软件资源。Biomni-E1 环境整合了 150 个专业生物医学工具、 105 个专业软件包和 59 个数据库。这些工具均经过人类专家严格验证，特别侧重于具有复杂特性的工具，包括复杂代码实现、领域专业知识或专用 AI 模型。
Biomni-A1 （通用智能 体架构 ） ：采用了多项核心创新技术，确保其在生物医学研究领域的有效运行。首先，系统引入基于大语言模型的工具选择机制，专门应对生物医学工具的复杂性和专业性挑战，能够根据用户目标动态检索定制化的资源子集。其次，考虑到生物医学任务通常需要复杂的程序逻辑，Biomni-A1 采用代码作为通用行动接口，使其能够组合执行涉及循环、并行化和条件逻辑的复杂工作流程。第三，智能体运用自适应规划策略，基于生物医学知识制定初始计划，并在执行过程中持续优化改进。
为评估 Biomni 在真实研究任务中的泛化表现，研究团队精心设计了 8 个横跨 遗传学 、 基因组学 、 微生物学 、 药理学 和 临床医学 的全新生物医学基准测试，具体包括：变异优先级排序、 GWAS 因果基因检测、 CRISPR 扰动筛选设计、罕见疾病诊断、药物重定位、单细胞 RNA 测序注释、微生物组疾病 - 分类群关联分析以及患者基因优先级排序。
结果显示，在所有测试任务中， Biomni 展现出显著的性能优势：相较于基础大语言
模型提升 402.3% ，相较于编码智能体提升 43.0% ，相较于自身简化版本 Biomni-ReAct 提升 20.4% ，平均相对性能提升幅度令人瞩目。
实战检验——破解人体“餐后发热”之谜
面对 30 个人连续数月检测的 458 份血糖及体温数据，Biomni 自主生成并执行了一套十步分析流程：从葡萄糖峰值推断用餐事件，提取餐前 / 餐后温度窗口，进行跨个体标准化，并综合分析群体水平趋势，自主发现：
餐后一致的产热反应模式；
餐后平均体温上升 2.19 °C；
个体差异惊人：最低 -0.11 °C vs 最高 15.56 °C；
绘制出 4 类代谢表型图谱 （快速反应型/延迟型等） 。
实战检验—— 解码骨骼发育多组学数据
Biomni 分析了一个最近发表的人类骨骼发育多组学数据集，该数据集包含 336162 个单核 RNA 测序和 ATAC 测序数据点，自主规划并执行了一套十步分析流程，Biomni 能够：
预测转录因子-靶基因调控链接，并基于基序富集和染色质可及性相关性筛选调节因子；
重现了已知的关键成骨转录因子 （例如 RUNX2 、 HHIP ） 间的调控关系；
发现了 AUTS2、ZFHX3 和 PBX1 等 多个此前未被报告的转录因子在多种骨骼细胞了行中的调控作用；
实战检验：设计实验方案
研究团队进一步评估了 Biomni 在实际实验设计中的表现，重点测试其在分子生物学核心任务 —— 基因克隆 方面的能力， Biomni 生成的实验方案在准确性和完整性方面均达到人类专家水平，在实际湿实验验证中，科学家严格按照 Biomni 设计的方案操作，成功完成基因克隆实验，且测序结果显示序列完美匹配。在克隆 B2M 基因的任务中， Biomni 实现了：
100% 实验成功率 （Sanger测序验证） ；
精准设计了 BsmBI 酶切位点；
输出湿实验完整 protocol （退火温度/连接时长精确到秒） 。
为了让每个研究人员都能使用 Biomni 的强大功能，研究团队开发了直观的网络平台——https://biomni.stanford.edu，用户只需提交自然语言查询，即可获得由 Biomni 智能体系统全面支持的分析结果，例如，只需输入“分析我的单细胞数据”，即可零代码操作。最后，研究团队诚邀科学家们探索其功能、测试其极限，并共同创造生物医学发现的新时代。
生物世界 对 Biomni 进行了测试，提问了： I want to identify new genes that regulate ferroptosis. Could you help me design an experimental plan or provide some ideas?
以下是 Biomni 的回答，大约耗时 5 分钟：
来源：东窗史谈一点号