科学家推出AI虚拟疾病生物学家，自主发现并验证两大全新抗癌靶点

药物研发是一条漫长而充满挑战的道路。其失败的核心症结，往往并非化合物本身的问题，而是源于最初的假设——对靶点的生物学作用、疾病相关性或成药性的判断出现了偏差。这一制约在药物研发领域的“源头”难题，长期以来依赖于疾病生物学家们通过繁重的人工劳动，整合海量、多样的生物医学数据，以“直觉驱动”的方式提出可供验证的假说。 然而，这一传统工作流是碎片化的，且严重依赖科学家的个人经验。随着基因组学、蛋白质组学、临床记录等多模态数据的爆炸式增长，人类科学家愈发难以凭一己之力完成高效、精准的跨领域推理。 认识到国内在原创新药领域的这一基础性挑战，由临港实验室、上海人工智能实验室、上海交通大学、复旦大学及其附属中山医院等多家机构联合组建的科研团队，致力于利用人工智能技术，提升药物发现关键环节的效率和精度，探索其优化与革新的可能性。 近期，该团队发布了一个被定义为“自进化虚拟疾病生物学家”（Self-Evolving Virtual Disease Biologist）的多智能体（Multi-agent）系统。它能够以规模化的方式，系统性地识别具有清晰机制的、原创性的治疗靶点，为加速药物开发提供了一个全新的范式。 这项被命名为“元生”（OriGene）的多智能体系统由五个专门的 AI 智能体组成：协调智能体（Coordinator Agent）负责分析和分解用户查询；规划智能体（Planning Agent）确定使用哪些专业工具；推理智能体（Reasoning Agent）综合多模态输出并识别关键关系；批评智能体（Critic Agent）对模型结论进行批判性分析；报告智能体（Reporting Agent）将复杂的研究发现转化为清晰的报告。 特别值得一提的是，OriGene 采用了独特的“思维模板”（thinking template）机制。该论文共同通讯作者、上海交通大学郑双佳助理教授郑郑双佳向 DeepTech 表示，目前的 AI 系统虽然在工具调用方面表现出色，但在复杂的逻辑推理上仍可能出现偏差。因此，团队从大量生物信息学研究论文中提取了专家的推理模式，形成结构化的思维模板来引导 AI 的推理过程。“这就像给 AI 配备了一位经验丰富的导师，确保它按照科学的方法论来分解问题和选择工具。” OriGene 的另一个突破性创新是其双重自进化能力。在单个问题解决层面，系