Drehbuch-Assistent▸ 
AI Apps 
AI Nachrichten Biomni: Ein universeller biomedizinischer KI-Agent
小编 ·
Biomni: Ein universeller biomedizinischer KI-Agent
Biomni ist ein biomedizinisches Werkzeug, das in Zusammenarbeit zwischen der Stanford University und Genentech sowie weiteren Institutionen entwickelt wurde. Es kann eigenständig komplexe Forschungsaufgaben in den Bereichen Genetik, Genomik, Mikrobiologie, Pharmakologie und klinische Medizin ausführen. Es kombiniert Reasoning mit großen Sprachmodellen und retrievalgestützter Planung, um die benötigten Werkzeuge und Daten aus riesigen Literaturmengen zu extrahieren und dynamisch Forschungsabläufe zusammenzustellen und auszuführen. Tests zeigen, dass das System bei mehreren biomedizinischen Aufgaben hervorragend abschneidet und das Potenzial hat, die Forschungseffizienz zu steigern sowie klinische Anwendungen voranzutreiben.
Kernkomponenten von Biomni:
Biomni besteht aus zwei Teilen: Biomni-E1 (einheitliche Software-Daten-Umgebung) und Biomni-A1 (umgebungsbasierter Agent):
Biomni-E1: Integriert 150 spezialisierte Werkzeuge, 105 Softwarepakete und 59 Datenbanken, wobei alle Ressourcen manuell verifiziert wurden. Es greift beispielsweise über Netzwerk-APIs auf Datenbanken wie PDB und OpenTarget zu und lädt gleichzeitig Teile der Daten in einen lokalen Data Lake herunter, wo sie in strukturierte Formate umgewandelt werden.
Biomni-A1: Verwendet drei Schlüsseltechnologien – werkzeugbasierte Auswahl durch große Sprachmodelle, Code als universelle Ausführungsschnittstelle sowie adaptive Planungsstrategien. Es unterstützt den dynamischen Aufruf maßgeschneiderter Ressourcen, die Kombination komplexer Workflows (z. B. Schleifen und parallele Operationen) und kann Forschungspläne auf der Grundlage biomedizinischen Wissens kontinuierlich optimieren.
Leistung
Benchmark-Tests: Bei der Humanity's Last Exam (HLE) erreicht es eine Genauigkeit von 17,3 %, weit über den 6,0 % des Basismodells; bei der Datenbank-Frage-Antwort-Aufgabe (DbQA) von LAB-Bench erreicht es eine Genauigkeit von 74,4 %, vergleichbar mit dem Niveau menschlicher Experten (74,7 %); bei der Sequenz-Frage-Antwort-Aufgabe (SeqQA) erreicht es eine Genauigkeit von 81,9 % und übertrifft damit die menschliche Leistung von 78,8 %.
Praktische Aufgaben: Bei 8 Aufgabentypen wie Variantenpriorisierung und Drug Repurposing steigt die Leistung im Vergleich zum Basismodell um 402,3 % und übertrifft ähnliche Werkzeuge deutlich.
Anwendungsfälle
Datenanalyse für Wearables: Es analysierte 458 Sensordatensätze und entdeckte einen durchschnittlichen Anstieg der Körpertemperatur nach den Mahlzeiten um 2,19 °C sowie individuelle Stoffwechselunterschiede.
Multi-Omics-Forschung: Es verarbeitete über 330.000 Sequenzierungsdatensätze, überprüfte bekannte Genregulationsbeziehungen und entdeckte neue Transkriptionsfaktoren wie AUTS2.
Versuchsplanung: Bei Klonierungsaufgaben erreichten die generierten Versuchsprotokolle das Niveau menschlicher Experten. In der tatsächlichen Laborarbeit wurde die Klonierung gemäß dem Protokoll erfolgreich durchgeführt, und die Sequenzierungsergebnisse stimmten vollständig mit den Erwartungen überein.
Verwandte Links
https://www.biorxiv.org/content/10.1101/2025.05.30.656746v1.full
