陕西
随着高通量多组学测序技术的飞速发展，生物学研究产生的数据量呈爆发式增长。然而，复杂的参数设置、繁琐的环境依赖配置以及报错排查，仍是缺乏生物信息学背景的科研人员开展数据分析时面临的“技术壁垒”。尽管基于大语言模型(LLM)的AI助手逐渐普及，但现存工具多依赖固定流程、人工参与和预定义的工具库，仍有一定的使用门槛。在处理复杂多组学流程时还面临配置复杂、定制化能力不足、数据安全风险、代码幻觉和结果不可复现等问题。
近日，Journal of Genetics and Genomics在线发表复旦大学生命科学学院倪挺教授团队题为“BioGAIP: a scalable and robust LLM-powered multi-agent system for automated bioinformatics tasks”的研究论文。该研究开发了一套基于大语言模型多智能体架构的分析平台——BioGAIP (https://notebook.biogaip.top)，实现了自然语言驱动的多组学分析，为AI驱动的多组学数据分析(AI4Science)提供了新的解决方案。
BioGAIP遵循“友好、弹性、安全与可扩展”原则设计，由三个解耦模块组成：负责一键部署与配置的BioLauncher、提供图形化交互界面与会话调度的智能体系统BioAG，以及基于容器提供安全隔离执行环境的执行代理BioWorker。区别于传统依赖预设工具集(tool-centric)的系统，BioGAIP采用“能力中心”(capability-centric)设计理念，针对性优化智能体完成生物信息学分析任务所需的必要能力，从而提升了智能体系统的泛用性。此外，BioGAIP开发了“炼金术”(Alchemy)模块，帮助用户将大模型交互记录转化为确定性的标准工作流(如Snakemake脚本)或可复用的智能体技能，提升分析流程的可复现性。
研究团队在转录组、表观组、基因组学分析等多领域的任务中对BioGAIP进行了系统验证。结果表明，BioGAIP在绝大多数任务中表现良好。在与不同水平人工分析结果的比对中，该平台在任务完成度、运行速度和结果一致性等方面也表现出较好的稳定性，展现了大语言模型驱动的智能体系统作为“AI科研合作者”的潜力。
BioGAIP平台概览
作者简介
复旦大学生命科学学院博士生张家瑜、内蒙古大学生命科学学院博士生郭鹏飞以及复旦大学人类表型组研究院博士生蒋光辉为该论文共同第一作者。复旦大学生命科学学院魏刚博士与倪挺教授为共同通讯作者。该研究得到国家重点研发计划等项目资助。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
