多智能体AI入局基础科研：从文献推理到改写抗癌假说

关键要点

• Whitehead 研究所借助 Google 的 Co-Scientist 从 700 多篇论文中推演出颠覆性的 MYC 抑制策略。
• 伦敦帝国理工学院测试发现，AI 系统仅耗时两天便推导出细菌利用病毒构件转移 DNA 的机制。
• FutureHouse 的 Kosmos 平台曾在分析 3000 万行分子互作数据时遗漏关键列，经学者纠错后才发现癌症新模式。
• 多智能体系统正在压缩传统试错周期，使科学发现的起跑线从零米直接前移至三十米处。

颠覆传统的抗癌假说

Whitehead 生物医学研究所的研究人员尝试利用生物分子凝聚体（Condensates，指细胞内无膜包裹的蛋白质与核酸液滴）来抑制臭名昭著的致癌蛋白 MYC。研究团队向 Google 研发的 Co-Scientist 系统提问后，该系统梳理了 700 多篇论文，从 108 种候选策略中筛选出唯一可行的方案。以往学术界普遍设法溶解异常聚集的凝聚体，AI 却反其道而行之，建议用点击化学（Click chemistry）手段将转录激活与抑制蛋白强行黏合成块，使相关 DNA 区域凝固彻底失活。

多智能体协同攻坚

不同于单次输出的对话机器人，这类系统采用多智能体协同架构。系统会将复杂的科研目标拆解为子任务，交由不同专长的智能体并行检索文献、互相对抗辩论，并比对已知证据反复迭代。除 Google 外，FutureHouse 的 Kosmos 平台以及 Sakana AI 和华为等团队也在布局这一赛道。伦敦帝国理工学院此前测试该工具时，在未投喂内部未发表数据的前提下，系统仅用两天就独立推导出细菌跨物种交换 DNA 的新机制，而人类团队为此曾耗费数年。

人机交互与信任悖论

虽然推理能力出众，AI 助手仍离不开人类专家的精细调校与严格把关。在 Whitehead 研究所的测试中，模型最初甚至将靶点错当成药物分子，在研究员人工纠偏近一小时后才进入正轨。加州大学伯克利分校等机构的学者强调，对待 AI 输出必须遵循「信任但需核实」的原则。这就带来了一个新悖论：若基础探索都由算法包办，初级学者将失去积累学术直觉的训练机会，而未来恰恰需要判断力更深厚的资深学者来把控 AI 产生的研究方向。

对研究者的意义

对于生命科学与人工智能交叉领域的研究者而言，这项进展标志着文献挖掘已从被动检索跃升为自主假说推演。在表观调控、空间组学互作与靶点发现等庞杂场景中，多智能体系统能够打破单一思维盲区，为湿实验设计提供反直觉思路；但这也要求研究团队具备更高水平的数据清洗、意图表征以及独立实验验证能力。