科学家利用 Claude 构建通用生物医学代理 Biomni 加速科研发现
收录时间：2026年8月29日查看来源
问题
生物研究中的工具碎片化：存在数百种数据库、软件包和协议，研究人员需花费大量时间选择与掌握不同平台，导致实验和分析效率低下。
解决方案
斯坦福大学开发基于 Claude 的 Biomni 平台，将数百种工具、软件包和数据集集成到单一系统中，使研究人员能用自然语言交互，自动执行复杂的生物信息学分析任务。
结果
Biomni 在多个案例研究中验证有效：基因组范围关联分析（GWAS）从通常数月缩短至20分钟；盲评显示其设计的分子克隆实验与五年以上经验博士后水平相当；分析450+可穿戴设备数据文件仅35分钟（人类专家预计3周）；分析336,000+单细胞数据发现新转录因子；通过编码专家知识提升罕见病诊断性能。
成本
成本信息待确认。
案例分析
使用场景：作为通用生物医学代理，Biomni 整合数百种工具和数据库，研究人员用自然语言提出请求，系统自动选择资源、形成假设、设计实验方案并执行多领域分析。
实施证据：Biomni 在早期试验中完成 GWAS 分析仅用20分钟；该团队通过多个案例研究验证系统，包括盲评实验设计、可穿戴数据分析、单细胞数据分析，并在罕见病诊断中编码专家技能。
指标：GWAS分析耗时从数月缩短至20分钟；可穿戴数据分析耗时35分钟（人类专家预计3周）；分析336,000+细胞数据，发现新转录因子；盲评分子克隆实验设计与5年以上经验博士后匹配
经验：将专家隐性知识编码为技能，可使AI系统更符合专业流程；AI系统应提供置信水平，帮助研究人员决定资源投入；AI并非完美，需要护栏检测偏离；早期试验显示AI可显著加速科研，但准确性需验证