Biomni是斯坦福大學和基因泰克等機構合作開發的生物醫學工具，能自主完成遺傳學、基因組學、微生物學、藥理學和臨床醫學等領域的復雜研究任務。它結合大語言模型推理和檢索增強規劃技術，從海量文獻中提取所需工具和數據，動態組合執行研究流程。測試顯示，該系統在多個生物醫學任務中表現突出，有望提升科研效率并推動臨床應用。

Biomni核心部分：

• Biomni包括Biomni-E1（統一軟件數據環境）和Biomni-A1（基于環境的智能體）兩個部分：

• Biomni-E1：整合了150個專業工具、105個軟件包和59個數據庫，所有資源都經過人工驗證。例如，它接入了PDB、OpenTarget等數據庫的網絡API，同時將部分數據下載到本地數據湖并轉為結構化格式。

• Biomni-A1：采用三項關鍵技術——大語言模型驅動的工具篩選、以代碼作為通用執行接口、自適應規劃策略。它支持動態調用定制化資源、組合復雜工作流（如循環與并行操作），并能基于生物醫學知識持續優化研究計劃。

性能表現

• 基準測試：在人類最后考試（HLE）中，準確率達到17.3%，遠高于基礎大語言模型的6.0%；在LAB-Bench數據庫問答（DbQA）任務中，準確率達到74.4%，與人類專家水平（74.7%）相當；在序列問答（SeqQA）任務中，準確率達到81.9%，超過人類表現的78.8%。

• 實際任務：在變異優先級排序、藥物重定位等8類任務中，性能較基礎大語言模型提升402.3%，顯著優于同類工具。

應用案例

• 可穿戴設備數據分析：解析了458份傳感器數據，發現餐后平均體溫升高2.19℃的現象及個體代謝差異。

• 多組學研究：處理了33萬+條測序數據，驗證了已知基因調控關系，并發現了AUTS2等新轉錄因子。

• 實驗設計：在基因克隆任務中，生成的實驗方案準確性達到人類專家水平。在實際實驗室操作中，按照其方案成功完成克隆，測序結果與預期完全匹配。

相關鏈接

https://www.biorxiv.org/content/10.1101/2025.05.30.656746v1.full