在线教程 | 150种专业工具/59个数据库/105个软件包，Biomni在8类真实研究任务中超越专家级效率-优快云博客

本文链接：https://blog.youkuaiyun.com/HyperAI/article/details/149393425

现代生物医学研究正陷入「数据爆炸与效率瓶颈」的矛盾中。一方面，基因测序、单细胞分析等技术的发展，催生了海量多模态数据——从基因组学的碱基序列到临床的影像数据，从微生物组的物种丰度到代谢组的小分子图谱，数据规模已达 PB 级；另一方面，研究流程的碎片化严重制约了发现速度：一个典型的多组学分析可能需要调用十余种工具、查询数十个数据库、参考上百篇文献，而这些工作往往依赖研究人员手动完成，不仅耗时且易出错。

然而，现有 AI 工具多为「专科型」，例如专注于 CRISPR 实验设计或单细胞注释的模型，它们仅能处理单一任务，难以跨领域协作。当研究涉及遗传学与药理学的交叉，或需要整合临床数据与基础研究结果时，这些工具便难以胜任。因此，构建一个能像人类科学家一样跨界思考、自主决策的通用生物医学智能体，成为突破当前研究困境的关键。

对此，斯坦福大学联合 Genentech 、 Arc Institute 、加州大学旧金山分校等机构研发了首个通用的生物医学 AI 智能体 Biomni，能自主执行跨越不同生物医学子领域的广泛研究任务，并且创建首个统一的环境智能体——从 25 个生物医学领域的数万篇出版物中挖掘必要的工具、数据库和方案。在此基础上，Biomni 具有通用智能体架构，将大语言模型（LLM）推理与检索增强规划和基于代码的执行相结合，使其能够动态地构建和执行复杂的生物医学工作流程，完全无需依赖预定义的模板或严格的任务流程。系统基准测试表明，Biomni 在异构生物医学任务中实现了强大的泛化，而无需任何特定于任务的提示调优。

论文地址：

https://go.hyper.ai/Vt5CD

一键部署教程链接：

https://go.hyper.ai/Mox9F

Biomni 的核心目标是开发一款无需预定义模板的通用生物医学 AI 智能体，使其能自主完成跨领域研究任务，具体包括三方面能力：

* 突破任务特异性限制：Biomni 希望仅通过自然语言指令，就能处理从「罕见病诊断」到「微生物组差异分析」的多样化任务。

* 整合多模态能力：打通从数据到实验的全流程。生物医学研究的闭环是「数据输入→分析推理→假设生成→实验设计→结果验证」，Biomni 需覆盖每个环节——既能处理 Excel 格式的可穿戴设备数据、 h5ad 格式的单细胞数据，也能生成 Python 代码进行分析，还能设计 PCR 实验验证假设。

* 建立人机协同的新范式：Biomni 的定位不是替代科学家，而是成为「超级助手」——自动完成数据清洗、文献检索等重复性工作，让研究者聚焦于假设（hypothesis）构建与创新设计。

数据集：三层数据集构建生物医学知识库

Biomni 的强大能力，源于其对生物医学研究资源的系统性整合。团队通过三层数据集的构建，为 AI 打造了一个覆盖工具、数据、任务的「数字实验室」。

为定义生物医学研究的基本操作单元，团队从 bioRxiv 的 25 个学科分类（如基因组学、微生物学、药理学）中，各选取 100 篇 2024 年发表的最新论文，通过「行动发现 Agent（Action Discovery Agent）」，逐篇解析研究流程，提取任务、工具、软件包、数据库四类核心元素。数据库包含 59 个核心资源，分两类——API 可访问的大型数据库（如存储蛋白质结构的 PDB 、临床变异数据库 ClinVar），以及本地部署的结构化数据集（如 GWAS 汇总统计数据、微生物组参考基因组）。

其次，为验证泛化能力，团队构建了多层次评估数据集：通用知识基准和真实世界任务集。通用知识基准包括 LAB-Bench（含 DbQA 数据库问答和 SeqQA 序列推理）和 Humanity’s Last Exam（覆盖 14 个生物医学子领域）。这些数据集不依赖特定工具，侧重考察 AI 的基础推理能力。真实世界任务集包含 8 个跨领域任务，每个都对应实际研究场景。

为展示实际应用价值，团队选取 3 类典型数据作为案例研究数据：

* 可穿戴设备数据：30 名参与者的 458 个 Excel 文件，含连续血糖监测（CGM）和体温数据（覆盖餐前 2 小时至餐后 4 小时），以及 227 晚的睡眠记录（包括睡眠时长、效率、阶段等）；

* 多组学数据：人类胚胎骨骼发育的单细胞数据集（33.6 万个细胞核的 snRNA-seq 和 snATAC-seq 数据），以及 652 个脂质、 731 个代谢物、 1,470 个蛋白质的多组学数据；

* 湿实验数据：10 个克隆任务（涵盖 Golden Gate 、 Gibson 等方法），以及靶向 B2M 基因的 CRISPR 载体构建实验，用于验证 Biomni 设计的实验方案。

模型架构：双引擎设计与智能协同机制

Biomni 由两个主要组件组成：Biomni-E1（一个具有统一动作空间的基础生物医学环境）和 Biomni-A1（旨在有效利用该环境的智能体）。

* Biomni-E1 不是简单的工具集合，而是一个结构化的「数字实验室」，其设计需遵循真实性、灵活性、可扩展性三个原则，即所有工具、软件、数据库都经过专家验证；软件以容器化方式部署，支持版本切换，数据库查询支持自然语言输入；预留接口支持新增工具。

* Biomni-A1 作为通用智能的「决策中枢」，其架构突破了传统 AI 的「输入-输出」模式，具备类似人类科学家的问题解决流程，基于检索增强的规划进行动态工具选择；并且以代码作为通用接口，支持循环、并行、条件判断等复杂逻辑；支持自适应规划，初始计划基于知识生成，能够在执行中根据反馈进行调整。

Biomni 统一生物医学行动空间与智能体环境概述

实验结论：从基准测试到湿实验验证均表现优异

Biomni 的性能通过多层次实验得到验证，其结果不仅展示了技术突破，更揭示了通用生物医学 AI 的实用价值。

在标准化基准测试中，Biomni 展现出显著优势：

* 在 LAB-Bench 测试中，数据库问答（DbQA）的准确率达 74.4%，与人类专家（74.7%）相当，远超编码 Agent（40.8%）；序列推理（SeqQA）的准确率 81.9%，超过人类水平（78.8%）。表明其处理结构化数据和生物序列的能力已接近专业研究者。

* 在 HLE 测试中，对覆盖 14 个领域的 52 个问题进行了评估，准确率为 17.3%，是基础 LLM（6.0%）的 2.9 倍，编码 Agent（12.8%）的 1.3 倍。值得注意的是，HLE 无开发集调优，完全考验零样本泛化能力，结果证明 Biomni 能应对未见过的跨领域问题。

此外，在 8 个真实世界任务中，Biomni 的平均表现远超基线：相对基础 LLM 提升 402.3%，相对编码 Agent 提升 43.0%，相对仅用 ReAct 链式推理的变体（Biomni-ReAct）提升 20.4% 。细分任务中，GWAS 因果基因检测准确率达 68.3%（人类专家平均 71.2%），单细胞注释的语义匹配率 89.7%，药物重定位的临床对齐分数 0.78（满分 1.0）。