BioDiscoveryAgent：基于大语言模型的基因扰动实验设计智能体
人工智能
2025-03-11 v3 计算工程、金融与科学
多智能体系统
摘要
基于大语言模型的智能体在利用其丰富的背景知识和推理能力加速科学发现方面显示出巨大的潜力。本文介绍了 BioDiscoveryAgent，一款能够设计新实验、推理实验结果并高效导航以达到目标解的智能体。我们在设计基因扰动实验的问题上展示了我们的智能体，该问题旨在从众多可能的基因中找出一个小型子集进行扰动，以实现特定表型（例如细胞增殖）。利用其生物学知识，BioDiscoveryAgent 能够独立设计新的实验，而无需训练机器学习模型或像贝叶斯优化那样显式设计获取函数。此外，BioDiscoveryAgent 采用 Claude 3.5 Sonnet，平均比现有专为此任务训练的贝叶斯优化基准提高了 21% 的相关基因扰动预测准确度，在更具挑战性的非必需基因扰动任务中提高了 46%。我们的评估包括一个未公开的数据集，确保其不属于语言模型的训练数据。BioDiscoveryAgent 预测的基因组合比随机基准的预测准确度高于两倍，这是迄今为止在封闭式实验设计语境中尚未探讨的任务。该智能体还可访问搜索生物医学文献、执行分析生物数据的代码以及请求另一个智能体批判性地评估其预测的工具。总体而言，BioDiscoveryAgent 在每个阶段都是可解释的，代表了一种新的可访问计算生物实验设计范式，有潜力增强科学家的效能。
引用
@article{arxiv.2405.17631,
title = {BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments},
author = {Yusuf Roohani and Andrew Lee and Qian Huang and Jian Vora and Zachary Steinhart and Kexin Huang and Alexander Marson and Percy Liang and Jure Leskovec},
journal= {arXiv preprint arXiv:2405.17631},
year = {2025}
}