一种用于自动化科学发现的多智能体系统

《Nature》：A multi-agent system for automating scientific discovery

摘要

科学发现是通过观察、假设生成、实验和数据分析的迭代过程推动的。尽管最近在将人工智能应用于生物学方面取得了进展，但迄今为止还没有任何系统能够自动化所有这些阶段[1, 2, 3]。在这里，我们介绍了Robin——第一个能够完全自动化实验生物学中假设生成和数据分析的多智能体系统。通过将文献搜索智能体与数据分析智能体集成在一起，Robin可以生成假设、提出实验方案、解释实验结果并生成更新的假设，从而实现科学发现的半自动化方法。通过应用该系统，我们找到了治疗干性年龄相关性黄斑变性（dAMD）的有希望的候选药物，而dAMD是发达国家中导致失明的主要原因[4, 5]。Robin提出增强视网膜色素上皮细胞的吞噬作用作为治疗策略，并确认了Ripasudil和KL001在体外实验中的有效性。Ripasudil是一种临床常用的Rho激酶（ROCK）抑制剂，此前从未被提议用于治疗dAMD。为阐明Ripasudil诱导吞噬作用增强的机制，Robin随后提出并分析了一项后续的RNA-seq实验，该实验发现ABCA1（一种脂质外排泵）的表达上调，这可能是一个新的治疗靶点。本报告中正文中的所有假设、实验方向、数据分析和数据图表都是由Robin生成的。作为第一个在迭代式“实验室-循环”框架内自主发现和验证新型治疗候选药物的人工智能系统，Robin为人工智能驱动的科学发现树立了新的范例。