BioMARS 2.0落地:智能体如何参与生物实验决策
转载请联系本公众号获得授权,并标明来源中国科学技术大学苏州高研院团队推出 BioMARS 2.0,将多智能体的知识整合、实验规划与反馈决策连接到真实生物实验。在研究人员监督下,利用文献证据与实验结果支持科研决策。从文献到实验,研究者需要理解分散的证据、组织操作方案,并依据结果决定下一步:培养效果不理想,应该调整...
如需转载,请联络本公众号取得授权,并注明出处。
中国科学技术大学苏州高研院团队带来 BioMARS 2.0。这套系统把多智能体在知识整合、实验规划与反馈决策上的能力,接入真实的生物实验流程。在研究人员监督之下,它借助文献证据与实验结果支撑科研决策。
从读文献到做实验,中间隔着不少活:分散的证据得吃透,操作方案要排好,出了结果还得判断下一步怎么走——培养效果不理想,该动哪些条件?针对一个生物学问题,哪些干预假设值得去验证?让 AI 介入这类判断,正是生物实验走向智能化的一个重要方向。
在第一版基础上,中国科学技术大学苏州高研院团队推出 BioMARS 2.0。新系统围绕三个层次展开:方案制定、培养条件调整、干预候选选择;全程处在研究人员监督之下,靠文献证据与实验结果来支持科研决策。
图1:BioMARS 2.0 的多层次实验决策与机器人平台
智能在哪?从理解文献到规划实验!
论文的材料、配方和操作说明里,往往藏着实验的关键细节。BioMARS 2.0 会按任务需求把文献证据归拢起来,安排各步骤的先后顺序与时间关系,再核对内容是否自洽,最终给出可追溯的实验方案。以小鼠视网膜分化任务为例,分阶段供氧、在特定时间点换液这些关键安排,系统都保留了下来。
评估覆盖 47 项任务、4 种模型后端,共 376 份方案。经专家复核后的平均方案质量评分显示,其优势主要体现在内容准确性和操作细节两方面。
碰到“隔日换液”这类简短指令,系统能结合上下文把所需操作铺展开,并让样本与容器的对应关系保持一致;信息没讲清楚的地方,它会留作待确认项。生成的方案经人工审核后才用于实验。
图2:知识驱动的方案生成与操作规划(节选原文 Fig. 2b–d)
如何调整?让实验结果参与下一轮决策!
BioMARS 2.0 会用文献知识和已测得的实验结果提出候选条件,再靠预测与排序挑出下一轮方案,对培养添加物、初始细胞数及重悬操作等 6 个因素做联合调整。每轮测试 10 组条件,
三轮实验下来,按论文规定的培养板一致性规则汇总,平均表型评分先从 0.435 升到 0.752,随后达到 0.923;第三轮的 10 组条件里,有 8 组不低于 0.9。本次实验的第二、三轮,
这个评分衡量的是与成功参考样本的形态相似程度,并不等于培养成功率。走完知识引导—实验检验—反馈决策这一圈,系统就能根据已经观察到的结果,去调整后面的培养条件。
图3:表型反馈指导的培养条件选择(箱线图标注为中位数,正文为平均值)
如何探索?提出有证据支持的干预假设!
针对
初筛之后,盐酸美金刚、硫酸胍丁胺和苯妥英进入重复实验,每种各做 3 次独立实验。它们在部分浓度下呈现出高于
图4:药物候选筛选与实验验证
(节选原文 Fig. 4a、e;每图展示一次实验,均值±标准差,P 值未校正)
迈向知识与反馈共同驱动的智能生物研究
三项独立研究中,BioMARS 2.0 展现了 AI 整合证据、规划方案、调整条件和提出候选假设的本事。机器人平台把决策与实验过程连在一起,培养任务回传的真实反馈又为后续选择提供依据。人机协作开展生物学研究、拓展更多研究场景,由此多了一条可行路径。
论文题目:
BioMARS 2.0: a robotic biologist for formulating and adapting biological experiments
文章链接:
https://arxiv.org/abs/2611.12139
项目网站:
https://biomarslab.com/
合作联系:
孙明斋,邮箱 mingzhai@ustc.edu.cn
邱奕博,邮箱 alexandreqiu@mail.ustc.edu.cn