Nature 连发三篇 AI 自主科研突破

科学进步的推动力源于研究者针对难题提出创新假设，并经由严谨实验加以验证。为强化此流程，我们推出了 Co-Scientist：一款依托 Gemini 打造的多智能体 AI 平台，专为结构化科学推理与假设构建而生。Co-Scientist 致力于协助科研人员发掘原创新知。依据用户设定的研究目标及现有科学依据，该系统能构建具备新颖性的研究假设，供后续实验检验。

该体系架构包含多个智能体，它们持续进行假设的生成、批判与优化，同时利用扩展测试计算资源来加速这一进程。

本研究的核心贡献如下：

自动化评估结果显示，扩展测试计算能持续产生增益，使假设质量随时间推移稳步提升。尽管 Co-Scientist 具备通用性，本文着重在三个生物医学场景中进行验证：药物重定位、新靶点识别，以及解析抗微生物耐药机理。具体而言，Co-Scientist 协助甄别出急性髓系白血病的新药重定位候选及协同疗法，并通过了体外实验验证。这些真实世界验证成果彰显了 Co-Scientist 加速科学发现的潜力，预示着一个由 AI 赋能科研人员的崭新时代。

https://www.nature.com/articles/s41586-026-10644-y

科学发现由观察、假设构建、实验执行及数据分析构成的迭代循环所驱动。虽近年人工智能在生物学应用上取得进展，但目前尚无系统能自动化完成全流程 [1, 2, 3]。为此，我们提出 Robin，这是首个能在实验生物学中完全自动化执行假设生成与数据分析的多智能体系统。通过融合文献检索智能体与数据分析智能体，Robin 能够生成假设、设计实验方案、解读实验结果，并产出更新后的假设，从而实现半自主的科学发现模式。

应用该系统，我们筛选出用于治疗干性年龄相关性黄斑变性（dry age-related macular degeneration, dAMD）的潜力治疗候选物。dAMD 是发达国家致盲的主因 [4, 5]。Robin 提出增强视网膜色素上皮细胞吞噬功能作为治疗策略，并识别确认了 ripasudil 与 KL001 在体外实验中的有效性。Ripasudil 是一种临床应用的 Rho 激酶（ROCK）抑制剂，此前从未被提议用于治疗 dAMD。

为阐明 ripasudil 诱导吞噬作用增强的机制，Robin 随后提出并分析了一项后续 RNA-seq 实验。该实验揭示了 ABCA1 的上调；ABCA1 是一种脂质外排泵，亦可能成为新的潜在治疗靶点。本报告正文中所有假设、实验方向、数据分析及图表均由 Robin 生成。作为首个能在“实验室人在环”（lab-in-the-loop）迭代框架中自主发现并验证新型治疗候选物的 AI 系统，Robin 为 AI 驱动的科学发现确立了新范式。

科学发现的循环过程常受限于为支持计算实验而缓慢、手工编写软件这一瓶颈。为解决此问题，我们提出 Empirical Research Assistance（ERA），这是一个能创建专家级科学软件的 AI 系统，旨在最大化特定质量指标。该系统融合大语言模型（Large Language Model, LLM）与树搜索（Tree Search, TS）方法，系统性提升质量指标，并智能探索庞大的潜在解空间。

当 ERA 从外部