研究人员创建“虚拟科学家”以解决复杂生物学问题
斯坦福医学院的研究人员开发了一种 人工智能驱动的虚拟实验室,已经展现出巨大潜力:他们的虚拟科学家团队仅用几天时间,就生成了改进 COVID-19 疫苗的新思路。
虚拟实验室的诞生
詹姆斯·邹(James Zou)博士,斯坦福生物医学数据科学副教授,领导了这一研究。他表示:
“好的科学往往依赖深度的跨学科合作,不同背景的人共同思考和解决问题。但这也是科研中最大的瓶颈之一。”
“与此同时,AI 代理系统(基于语言模型的主动型 AI)正在快速发展。它们不仅能问答,还能检索数据、使用工具,并通过人类语言彼此协作。”
邹的团队因此训练这些 AI 模型,让它们模仿最牛科学家的思维方式:
-
批判性思考问题
-
针对研究问题提出不同解决方案
-
交流并形成可测试的假设
邹说:
“世界上不乏亟需科学解决的难题,而虚拟实验室可以加速解决方案的产生。”
成果展示:改进 COVID-19 疫苗
研究团队首次考验虚拟实验室时,让它提出针对新冠病毒(SARS-CoV-2)的新型疫苗策略。
结果:
-
AI 团队放弃了传统的抗体思路,而是提出 纳米抗体(nanobody) 方案。
-
纳米抗体比传统抗体更小、更简单,计算建模时更稳定,设计也更具可行性。
-
实验室科学家 约翰·朴(John Pak) 的团队在现实实验中合成了这些纳米抗体,发现它们不仅结构稳定,还能高效结合新冠病毒新变种,比现有抗体效果更好。
-
测试结果显示:这些纳米抗体也能结合 5 年前武汉最早的毒株,具有成为 广谱疫苗 的潜力。
邹表示,目前他们正将实验数据反馈给虚拟实验室,进一步优化分子设计。
虚拟实验室如何运作
一个项目的流程:
-
人类研究者向 AI 主任研究员(AI Principal Investigator, AI PI) 提出科学问题。
-
AI PI 决定需要哪些子代理(例如免疫学、计算生物学、机器学习等),并分配角色。
-
每个项目中都会有一个“批评者”代理,专门指出漏洞、提醒常见陷阱、提出建设性批评。
-
虚拟科学家可使用各种工具,例如蛋白建模系统 AlphaFold。
-
他们会开团队会,也能进行“一对一”交流,但这些虚拟会议只需几秒或几分钟即可完成。
邹打趣道:
“等我喝完早晨的咖啡,他们已经开了上百场研究讨论会。”
此外,AI 科学家不会疲惫、不需要休息,能并行处理多个任务。人类团队只需在约 1% 的情况下干预,主要是预算控制,防止提出不切实际的想法。
超越新冠:更广阔的应用
-
研究人员正尝试让 AI 科学家重新分析已有的生物医学数据集,发现新的规律。
-
这些 AI 有时能提出 超越人类已发表成果的新见解。
-
研究团队期待将虚拟实验室应用于更多科学问题,加速创新。
邹总结道:
“生物和医学的数据极其复杂,我们才刚开始探索。AI 科学家常常能发现超出人类研究者的结论,这非常令人兴奋。”