在科學研究越來越依靠標準化精密計算手段的今天，用智能體技術來自動化加速科研的潛力讓人心潮澎湃。但在現(xiàn)實使用中，無論是 Cursor 還是 Codex，這類智能體多作為輔助工具存在：每推進幾步，仍需人工介入驗證或調(diào)整。

那么，一旦把流程完全交由智能體自動化，怎樣確保它足夠可信，能獨立完成需要精密判斷的科研工作？

這是一個宏大而開放的問題。團隊近期完成的，傾注一年半心血的科研項目，就是從一個具體的科學場景切入，初步探索答案。我們著眼于基因表達分析這個任務，并通過它挖掘在控制多種混淆因子后仍然穩(wěn)定的基因—表型關聯(lián)。

具體來說，從原始的轉(zhuǎn)錄組數(shù)據(jù)和半結(jié)構(gòu)化的臨床信息出發(fā)，自動完成數(shù)據(jù)選擇、預處理與統(tǒng)計分析，識別與目標性狀顯著相關的基因集合，并支持條件分析以剔除年齡、性別、共病等變量的干擾。

之所以選擇它，一方面因為基因-表型關聯(lián)對于疾病易感、藥物反應與患者預后等問題至關重要；另一方面因為它足夠難：平臺異構(gòu)、命名演化、批次效應、樣本量與維度的不匹配，以及隱匿的混淆因素，使這一任務既代表了生物醫(yī)學數(shù)據(jù)分析的普遍挑戰(zhàn)，也對智能體技術的規(guī)劃、代碼生成與錯誤恢復能力提出了實打?qū)嵉囊蟆?/p>

本文將分三部分展開：任務難在哪里、方法設計、核心實驗結(jié)果與觀察。

論文標題： GenoMAS: A Multi-Agent Framework for Scientific Discovery via Code-Driven Gene Expression Analysis 論文地址： https://arxiv.org/abs/2507.21035 GitHub地址： https://github.com/Liu-Hy/GenoMAS

圖1（系統(tǒng)架構(gòu)示意）：GenoMAS的多智能體協(xié)作框架。各角色通過帶類型的消息協(xié)議進行協(xié)作，形成端到端的有序閉環(huán)。 一、為什么自動化轉(zhuǎn)錄組分析這么難？

在開始接到這個課題的很長一段時間里，我們是一籌莫展的。考慮混淆后的基因-表型關聯(lián)絕大部分是未知的，無法在現(xiàn)有文獻中驗證。

在研發(fā)這樣的智能體之前，為了評估它的性能好壞，我們需要有一套標準。于是想到，如果有一個數(shù)據(jù)集收集了人類專家按照最佳實踐分析數(shù)據(jù)得到的高質(zhì)量結(jié)果，與之對比就能判斷自動化方法的優(yōu)劣。

我們首先找到 CMU 的一位計算生物學教授，邀請她加入這個課題，希望能組織她教授的一門研究生課上的學生來共同打造這個基準數(shù)據(jù)集。在一次視頻會議里，我展示了這個任務需要的分析流程后，她搖了搖頭，說這個太專業(yè)化了（specialized），作為課程項目來說對學生的挑戰(zhàn)過大。

我們只好在校內(nèi)組織一個團隊來建造這個數(shù)據(jù)集。我們很快就發(fā)現(xiàn)那個教授說得沒錯，我們發(fā)現(xiàn)甚至網(wǎng)上的樣例代碼都不容易搜到，找到的寥寥幾個有用的例子都是基于 R 的。

于是我們這些 CS 背景的人通過看書、看網(wǎng)課，請教生物專家，惡補這方面的知識，一邊召集團隊，等了很久才在本校湊齊一個有足夠計算生物背景的隊伍，來建這個數(shù)據(jù)集。

基準數(shù)據(jù)集搭建完成后，我們開始研發(fā)智能體。我們先試了當時最強的大模型和最先進的智能體。那會還是 GPT-4 時代，不出所料，所有方法和模型都無法生成代碼來跑通從原始數(shù)據(jù)到分析結(jié)果的全流程，更不用說準確率了。

隨著大模型能力的飛速提升，從 Claude Sonnet 4 開始，代碼跑通已經(jīng)不成問題了?？墒牵斘覀儨y試現(xiàn)有的先進智能體時，發(fā)現(xiàn)它們?nèi)匀唤?jīng)常犯隱蔽而嚴重的錯誤，導致整個分析得到的結(jié)果科學上無效（論文附錄 A 有詳細的分析和例子）。

自動化方法在這里遇到的困難，植根于大模型自身的特點。首先，作為統(tǒng)計模型，它完成任務的表現(xiàn)高度依賴于任務相關互聯(lián)網(wǎng)數(shù)據(jù)的高頻性。它在眾多學科展現(xiàn)出的強大能力，也源于互聯(lián)網(wǎng)上大量的教材、習題等語料。

除了解數(shù)學題、算法題等相對容易靠強化學習后訓練提升的領域以外，真實世界大部分專業(yè)性和開放性強的任務中，大模型都會面臨分布外泛化的嚴峻挑戰(zhàn)。如果任務足夠?qū)I(yè)化，就像一個優(yōu)秀的應屆畢業(yè)生到了公司里需要從頭接受培訓才能上手的任務，大模型往往也難以正確完成。

其次，大模型把所有信息以字符串的形式一股腦輸入 attention 處理，這難以應對需要從若干個幾十至幾百兆的文件中整合數(shù)據(jù)、分析判斷的基因表達分析任務。

當上下文窗口過長，往往會淹沒重要信息，嚴重降低大模型的任務表現(xiàn)。人的“工作記憶”遠不如大模型的上下文窗口，但人會主動探索，會使用工具，也會選擇對哪些輸入信息進行思維深加工。一位熟練的生信專家往往只需在關鍵節(jié)點從大型文件中定位并閱讀幾十行關鍵信息，就能高質(zhì)量完成整個分析任務。

二、設計理念：可信的科學自動化，需要結(jié)合智能體和工作流的優(yōu)勢

有了上面的思考，我們的目標就很明晰了：在智能體層面彌補大模型的不足，一是給它足夠的領域知識幫它完成“入行培訓”，規(guī)范它行為的同時，讓它可以在此基礎上，在任務中自己積累經(jīng)驗；二是在規(guī)劃模塊的層面上讓它自主探索環(huán)境，選擇性地處理和整合數(shù)據(jù)。

探索就不可避免會犯錯，所以我們要讓它能即時從錯誤中恢復，避免隨著上下文積累變長后加劇的”自我條件”效應走入死胡同。我們在設計智能體的過程中，階段性地拿我們的基準數(shù)據(jù)集評估性能，不斷迭代，力求研發(fā)一個可信的全自動化基因表達分析任務的智能體。

這就引發(fā)一個問題：什么是可信的科學自動化？也許很多人認為，現(xiàn)在的大模型已經(jīng)足夠強大和智慧，潛力無限。我們只要進一步提升它的 agentic 能力，再讓它學會使用外部工具，那么不久的將來，它就能可信地自動進行科研工作。

雖然這些是非常重要且激動人心的技術路線，但我們認為，即使大模型可以變得非常強大智慧，也不一定“可信”。這是因為，對于科學或者說科研，大家并沒有一致認同的標準答案。

一個學科里會有觀點相左的不同學派，不同實驗室對于科研的理解和規(guī)則也會有差異。在執(zhí)行重要任務時，這些差異會體現(xiàn)在操作細則的各個方面，而且越是重要的任務，越缺少妥協(xié)的余地。

倘若向全世界最強的智能體丟一句簡單的命令，讓它根據(jù)自己的想法全自動做科研，然后直接把結(jié)果端給用戶，對于嚴肅的科研工作者來說恐怕是難以接受的。

所以我們認為，可信的科學自動化，首先要讓用戶選擇自己信任的 guidelines。這個 guidelines 也許只是一個具體任務的簡單指示，也許是復雜得多的一組文件。

對于要進行的任務來說，這個 guidelines 要包含足夠的文本信息讓用戶確信自己認同它將在這個任務中體現(xiàn)的科研風格、學派立場等等，于是用戶在充分知情與認同的前提下，對產(chǎn)出的結(jié)果承擔信任與責任。

而 agent 這一側(cè)，則需要確保按照用戶信任的 guidelines 工作，同時也要對實際執(zhí)行中的各種問題自主地探索解決方案，靈活處理，避免像人為編排的工作流那樣僵化。因此，一個可信的智能體是需要結(jié)合 agent 和 workflow 優(yōu)勢的。

當然，以上更多是原則性的思考。由于大模型的概率本質(zhì)，我們無法確保智能體 100% 的遵守 guidelines，而是通過智能體的編排，在大模型指令遵守和減少幻覺方面進展的基礎上再進一步。

三、方法設計：把可控的指南與自主的智能體放到一起

沿著“可信”這條主線，我們沒有試圖讓一個模型包打天下，而是把“如何做事”先寫清楚，再把足夠的自主性交給執(zhí)行者。

具體來說，GenoMAS 把用戶認可的指南看作一套可編輯的有向無環(huán)圖，并把其中的關鍵動作切分為語義自洽、可原子執(zhí)行的 Action Unit。每一個 Action Unit 都像是一段可復核的實驗步驟，既能被獨立審閱，也能在必要時回滾與替換。

編程智能體不會被迫一條路走到黑，而是在每一步做出“前進、修訂、跳過或回退”的選擇：當早期判斷在下游暴露出矛盾，就把代碼與狀態(tài)一起拉回到合適的分叉點，從替代路徑繼續(xù)推進。

這套機制并不是為了“多一個花哨層”，而是為了把可控與自適應壓在同一個框架里。系統(tǒng)中的六個角色分工明確、彼此制衡：PI 負責統(tǒng)籌調(diào)度；兩位數(shù)據(jù)工程師分別面向 GEO 與 TCGA 的數(shù)據(jù)預處理；統(tǒng)計學家承擔回歸建模與顯著基因識別；代碼審閱者與領域?qū)＜姨峁┵|(zhì)量控制與生物學判斷。

角色之間通過帶類型的消息協(xié)議溝通，所有請求與響應都有據(jù)可查，避免跨步與遺漏。在代碼層面，我們堅持“編寫—審閱—修訂”的閉環(huán)：審閱者在隔離上下文的前提下檢查可執(zhí)行性與對指南的遵循，必要時給出明確的否決與修改建議；編程智能體據(jù)此整合歷史診斷信息完成修訂，直到通過或達到上限。

涉及生物學語義的節(jié)點（如臨床特征抽取與基因符號映射）則由領域?qū)＜以诰劢股舷挛闹薪o出判斷，并直接以可執(zhí)行的形式落地。

為了應對真實數(shù)據(jù)的規(guī)模與異質(zhì)性，我們在工程上補足了“跑得穩(wěn)”的基本盤：并行與斷點續(xù)跑、緩存與資源監(jiān)控、超時保護與失敗回收；通過“代碼記憶”，系統(tǒng)把已通過審閱的片段按 Action Unit 類型索引與重用，在保持穩(wěn)健的同時逐步積累經(jīng)驗，減少無謂重復。

為了保證可復現(xiàn)性與一致性，我們將基因同義詞庫與基因—表型關聯(lián)資源本地化并版本化管理。值得一提的是，我們采用“異質(zhì)模型”的團隊配置：擅長代碼代理的模型承擔編程主力，更強的推理模型主導規(guī)劃與審閱，而在生物知識上表現(xiàn)突出的模型提供領域判斷。

這種認知多樣性的組織方式，在復雜任務上往往更穩(wěn)健，也更接近真實的跨學科協(xié)作。

圖2（編程智能體機制）：單個編程智能體的規(guī)劃、代碼記憶與自我糾錯流程示意。 四、實驗與結(jié)果：在GenoTEX上的系統(tǒng)檢驗

如果說前面對“可信”的討論還停留在方法學層面，那么 GenoTEX 基準數(shù)據(jù)集提供了一個足夠嚴苛的現(xiàn)實場景來檢驗它：913 個真實數(shù)據(jù)集、132 個表型、共 1,384 個基因—表型問題，從“數(shù)據(jù)選擇—數(shù)據(jù)預處理—統(tǒng)計分析”三段閉環(huán)評估。

這些表型涵蓋了從重大常見疾病到具有代表性的罕見疾病，以及身高和骨密度等身體特征，具備明確的生物學與臨床相關性。

我們在預處理中同時考察結(jié)構(gòu)與數(shù)值的一致性（屬性交并系數(shù) AJ、樣本交并系數(shù) SJ 與復合相似相關 CSC=AJ×SJ×相關系數(shù)均值），在統(tǒng)計分析階段考察 AUROC、Precision/Recall/F1 與 GSEA，并且記錄端到端成功率、時間與成本，避免只盯住“分數(shù)”的單一維度。

結(jié)果顯示，GenoMAS 在數(shù)據(jù)預處理上取得 89.13% 的 CSC，在顯著基因識別上取得 60.48% 的 F1，較此前最優(yōu)方法分別提升 10.61% 與 16.85%；端到端執(zhí)行成功率達到 98.78%，同時將 API 成本降低約 44.7%。

這些數(shù)字并非只是“更高一些”的改良，而是說明把“可復核指南 + 自主執(zhí)行 + 嚴格審閱”組織在一起，確實能在真實復雜度面前站穩(wěn)腳跟。

進一步的對照顯示，異構(gòu)（多模型協(xié)作）配置在保持可控性的同時帶來額外收益：識別能力更強、成本更低。相反，通用工具集成更豐富的生物醫(yī)學智能體并未在此任務占優(yōu)，并不是“模型不夠強”，而是任務強調(diào)“遵循可復核指南”的受控執(zhí)行與對邊界情形的穩(wěn)健處理，而非開放域下的完全自主。

圖3（主結(jié)果對比）：GenoMAS 在 GenoTEX 上的端到端性能對比（F1 提升 16.85%，AUROC 提升 0.17，API 成本降低約 44.7%）。 五、進一步分析：瓶頸、消融與系統(tǒng)行為

把鏈路拆開看，早期誤差的“放大效應”最為直觀：數(shù)據(jù)集篩選本身并不困難，但一旦起步偏離，后續(xù)每一步都會為此付出代價。

預處理階段呈現(xiàn)出鮮明的分化：在表達矩陣的處理上，系統(tǒng)能夠穩(wěn)定達到高一致性；而在臨床特征抽取上，受制于半結(jié)構(gòu)化文本、命名異構(gòu)與來源不一致，CSC 顯著偏低，這是當前主要瓶頸。

換句話說，難點不在“數(shù)值歸一化”這樣的常規(guī)工程，而在于如何把真實世界的臨床語義穩(wěn)穩(wěn)地落到結(jié)構(gòu)化變量上。

統(tǒng)計分析的對照實驗給了我們一個更清晰的參照系：當直接使用專家預處理的數(shù)據(jù)時，系統(tǒng)的 F1 可達到約 95%；若去掉批次效應校正，則顯著下降。

這一結(jié)果把“難題的坐標”釘在了恰當?shù)奈恢谩獑栴}并不在于選擇何種回歸模型，而在于能否可靠地處理混淆，尤其是批次效應與協(xié)變量控制。面向這一點，我們在架構(gòu)層面把“引導式規(guī)劃—領域判斷—多輪審閱”綁在一起，目的就是把這些易被忽略卻決定有效性的步驟牢牢嵌入執(zhí)行鏈路。

消融結(jié)果進一步印證了這種設計的必要性：去掉情境感知的引導式規(guī)劃、領域?qū)＜一蚨噍唽忛?，都會帶來明顯退化；把審閱輪數(shù)限制為一輪，“看似笨重”的迭代在長鏈路里卻是剛需。

此外，我們設置了“零樣本、不讀數(shù)據(jù)”的對照，AUROC 僅約 0.56，強調(diào)了結(jié)構(gòu)化數(shù)據(jù)處理與領域推理的不可替代性。

從系統(tǒng)行為看，“代碼記憶”在前期迅速爬升至約 65% 的復用率，節(jié)省了可觀的時間；消息流量集中在規(guī)劃與校驗，PI 低頻調(diào)度、編程與顧問高頻互動的模式與真實跨學科團隊相似。

圖4（合作模式示意）：智能體通信網(wǎng)絡與消息類型分布。數(shù)據(jù)工程師（含 GEO/TCGA）承擔多數(shù)交互，PI 低頻調(diào)度，規(guī)劃請求占比最高，體現(xiàn)“引導式規(guī)劃 + 多輪審閱”的主軸。

在一個代表性的 20 個問題會話中，數(shù)據(jù)工程師角色主導過半的信息交互，統(tǒng)計學家負責分析階段的關鍵回合；PI 僅收發(fā)少量消息用于編排，體現(xiàn)編程智能體的高度自治。規(guī)劃請求/響應居首，其次是代碼校驗請求；低頻的“需要修訂”提示引導式規(guī)劃與多輪顧問機制能前置性地防錯，從而推高我們觀測到的約 98.78% 的端到端成功率。

這一通信結(jié)構(gòu)與角色分工，本質(zhì)上是在“集中執(zhí)行 + 分布式專長”之間找到平衡：讓流程有主軸，但在邊界情形上保留適配空間。

六、收束與展望

把視角拉回到文章開頭的追問：怎樣讓一個完全自動化的系統(tǒng)在真實科研任務上“值得信任”。GenoMAS 的經(jīng)驗是，不去迷信某個更大或更強的單點突破，而是把可復核的指南、自治的執(zhí)行與嚴格的審閱組織在一起，并在真實數(shù)據(jù)的異質(zhì)性與邊界條件中反復錘煉。

它當然不是終點：臨床特征抽取的穩(wěn)健性、極端數(shù)據(jù)情形的處理、對指南遵循的進一步可驗證化，都還有大量工作要做。我們也在把這一范式推廣到更復雜的多組學與多模態(tài)場景，結(jié)合更強的規(guī)劃算法與更細粒度的執(zhí)行追蹤，進一步刻畫因果與混淆，讓“可信”從流程合規(guī)走向知識層面的可靠。

如果這篇報道有意義，或許在于它給出了一條務實的路徑：先把“如何做事”講清楚，再讓系統(tǒng)在這個框架內(nèi)自主工作、允許犯錯、學會修正，最終用數(shù)據(jù)說話。我們希望繼續(xù)把這條路徑走實，也歡迎同行的審視、質(zhì)疑與合作。

來源：公眾號【PaperWeekly】

llustration From IconScout By IconScout Store

-The End-

掃碼觀看！

本周上新！

“AI技術流”原創(chuàng)投稿計劃

TechBeat是由將門創(chuàng)投建立的AI學習社區(qū)（www.techbeat.net）。社區(qū)上線700+期talk視頻，3000+篇技術干貨文章，方向覆蓋CV/NLP/ML/Robotis等；每月定期舉辦頂會及其他線上交流活動，不定期舉辦技術人線下聚會交流活動。我們正在努力成為AI人才喜愛的高質(zhì)量、知識型交流平臺，希望為AI人才打造更專業(yè)的服務和體驗，加速并陪伴其成長。

投稿內(nèi)容

// 最新技術解讀/系統(tǒng)性知識分享 //

// 前沿資訊解說/心得經(jīng)歷講述 //

投稿須知

稿件需要為原創(chuàng)文章，并標明作者信息。

我們會選擇部分在深度技術解析及科研心得方向，對用戶啟發(fā)更大的文章，做原創(chuàng)性內(nèi)容獎勵

投稿方式

發(fā)送郵件到

michellechang@thejiangmen.com

或添加工作人員微信（michelle333_）投稿，溝通投稿詳情

關于我“門”

將門是一家以專注于數(shù)智核心科技領域的新型創(chuàng)投機構(gòu)，也是北京市標桿型孵化器。 公司致力于通過連接技術與商業(yè)，發(fā)掘和培育具有全球影響力的科技創(chuàng)新企業(yè)，推動企業(yè)創(chuàng)新發(fā)展與產(chǎn)業(yè)升級。

將門成立于2015年底，創(chuàng)始團隊由微軟創(chuàng)投在中國的創(chuàng)始團隊原班人馬構(gòu)建而成，曾為微軟優(yōu)選和深度孵化了126家創(chuàng)新的技術型創(chuàng)業(yè)公司。

如果您是技術領域的初創(chuàng)企業(yè)，不僅想獲得投資，還希望獲得一系列持續(xù)性、有價值的投后服務，歡迎發(fā)送或者推薦項目給我“門”:

bp@thejiangmen.com

點擊右上角，把文章分享到朋友圈