- 3 次围观
生物学研究智能体往往依赖熟悉的分析方法，限制了利用现有数据所能探索的问题。我们提出 BioMINTREL，这是一种能够从其他学科中寻找方法并将其与生物学测量相联系的人工智能智能体。它能够利用数据集之间的关联以及多种方法中相互补充的思路，提出新的问题并开发新的分析方案。我们在 BioMDC-Bench 上对其进行了评估，该基准考察了计算方法在生物学任务中的 228 种潜在应用。与 GPT-5.4 mini 和 Qwen3.6-35B 相比，BioMINTREL 与人类专家判断一致性的 F1 分数最高提升了 45.3 个百分点，对后续年份发表的研究所支持的方法应用的覆盖率最高提升了 58.8 个百分点。四项基于真实数据的案例研究超越了既有分析，揭示了剂量特异性的变异效应、空间细胞通信的约束以及扰动响应状态之间的演进路径，并确定了检验稀有高状态细胞能否预测后续谱系规模所需的采样方案。这些结果凸显了 BioMINTREL 拓展现有数据中可探索问题的潜力，并为后续研究指明了方向。
生物学研究人员常依赖熟悉的分析方法，因而限制了对现有数据所能探索的问题。我们提出 BioMINTREL，这是一种人工智能代理，可从其他学科中发现方法，并将其与生物学测量相结合。它能够利用数据集之间的关联，以及多种方法所提供的互补思路，提出新的问题并设计分析。我们通过 BioMDC-Bench 对其进行评估；该基准测试涵盖计算方法在生物学任务中的 228 种潜在应用。与 GPT-5.4 mini 和 Qwen3.6-35B 相比，BioMINTREL 与人类专家判断的一致性 F1 值最高提升 45.3 个百分点；对于后续年份发表的研究所支持的应用，其覆盖率最高提升 58.8 个百分点。基于真实数据的四项案例研究拓展了以往分析，揭示了剂量特异性变异效应、空间细胞通讯的约束以及穿越扰动响应状态的路径，并确定了检验高状态稀有细胞能否预测后续谱系规模所需的采样方案。这些结果凸显了 BioMINTREL 拓展现有数据研究问题的潜力，并为后续研究指明了方向。
作者声明不存在任何利益冲突。
感谢您有意帮助传播 bioRxiv 的信息。
注意：请求提供您的电子邮箱地址，仅用于确认您是本文的发送者。
关键词：人工智能智能体 · 跨学科方法 · 生物学数据分析 · 计算生物学 · 科学问题发现
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.10.757703v1?rss=1