biomeStat：通过对1000个亚洲登革病毒基因组进行端到端分析，展示利用智能体式人工智能开展可扩展基因组流行病学研究的方法

基因组流行病学工作流程通常需要专家对多种专用工具进行精细整合、大量手动参数调优，并依赖异构计算基础设施。尽管标准生成式人工智能模型在复杂生物学领域中常常产生幻觉，我们在此提出 biomeStat：一种作为严格确定性编排器运行的自主式人工智能代理。通过自动编写代码，在沙箱环境中调用既有生物信息学工具，biomeStat 能够动态配置计算资源（CPU 和 GPU）并保证结果可复现性，从而使其能够被科学家直接使用，而无需具备命令行操作经验。为展示该平台，我们对 2000 年至 2025 年间采集自亚洲 16 个国家的 1,000 个登革病毒（DENV）基因组开展了完全自主的基因组流行病学与结构分析。该代理无缝编排了系统发育重建（IQ-TREE、TreeTime）、贝叶斯系统发育动力学分析（通过 NVIDIA H200 GPU 运行 BEAST2）、选择压力分析（HyPhy）以及结构映射（PyMOL）。整个分析在不到 24 小时的实际运行时间内完成，揭示了地方性稳定传播状态（R_e ~1.0），并鉴定出 1,869 个与 B 细胞和 T 细胞表位在结构上共定位的候选免疫逃逸位点。此外，该代理还验证了病毒复制复合体中 176 个高度保守的药物靶标残基，证实新兴抗病毒药物 JNJ-1802 和 NITD-688 的耐药相关位点在全部四种血清型中均保持绝对保守。通过弥合自然语言意图与确定性计算执行之间的鸿沟，biomeStat 将原本需要数周专家投入的工作缩减为一次会话内即可完成的分析，同时保持完整的方法学透明性。

该网站正在使用一项安全服务来保护自身免受在线攻击。您刚才执行的操作触发了该安全解决方案。可能触发此拦截的行为包括提交某个特定单词或短语、SQL 命令或格式错误的数据。

您可以向网站所有者发送电子邮件，告知您被拦截的情况。请在邮件中说明该页面出现时您正在执行的操作，并附上本页面底部显示的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.10.731380v1?rss=1

🏷️ 基因组流行病学 登革病毒 系统发育分析 智能体人工智能 免疫逃逸 药物靶点