Nature｜Google DeepMind/Google Research/FutureHouse 多智能体与树搜索系统 加速科研软件、实验生物学与药物假设发现

过去几年，AI 在科研中的角色正在发生变化。

早期的科研 AI 多用于文献检索、摘要生成和数据分析辅助；而最新一批系统开始进入更靠近科学发现的环节：提出假设、生成代码、设计实验、分析结果，并根据新数据继续迭代。

当前的主要痛点并不只是模型会不会回答问题，而是科研流程本身存在多个低效率环节：经验软件编写慢、文献知识分散、实验数据分析依赖专家经验、候选假设很难被系统性比较。前天，Nature期刊三连发。三篇 Nature 论文分别从不同入口切入这一问题：ERA 面向可评分科研软件，Robin 面向实验生物学闭环，Co-Scientist 面向结构化科学假设生成。

科研自动化正在从“辅助工具”走向“流程系统”

与传统方法不同，这些系统并不是简单调用一个大模型完成一次回答，而是把科研过程拆解成多个可执行步骤。

大语言模型（LLM）在这里的作用，是把文献、任务描述和实验反馈转化为可执行的代码、假设或研究方案。

多智能体系统指由多个专门代理协同工作，每个代理负责文献检索、假设生成、排名、反思或数据分析等不同任务。

树搜索（Tree Search）的作用，是在大量候选方案中平衡探索与利用，避免系统只沿着最早生成的单一路线改进。

这三篇论文的共同问题是：当科研任务可以被拆分、评分和反馈时，AI 是否能参与更长链条的科学推理？

科研瓶颈不只在想法，也在执行

ERA 关注的是经验软件。

经验软件指以某个可量化指标为目标、不断优化性能的科研代码，例如单细胞数据整合、流行病预测、时序预测和数值积分等任务。论文指出，科学发现常被计算实验所需软件的人工编写速度限制，而许多设计选择更多依赖直觉或便利性，而不是系统性搜索。

Robin 关注的是实验生物学闭环。

在药物再利用中，许多关键线索本已存在于文献中，但要把分散证据连接成可测试假设，需要跨疾病机制、药理学和实验模型进行综合判断。Robin 的目标不是替代实验，而是让 AI 参与“提出假设—建议实验—分析数据—更新假设”的循环。

Co-Scientist 则关注更通用的科研假设生成。

这项研究并不是把深度研究工具包装成科研系统，而是构建一个由生成、反思、排名、演化和元评审等代理组成的结构化科学思考引擎，用于持续生成、辩论和改进假设。

方法：三条路线，指向同一个问题

ERA 的核心是LLM + 树搜索。

系统先让 LLM 根据任务说明、评价指标和已有代码生成候选程序，再在沙盒中执行并打分。分数、日志和错误信息被反馈给树搜索，用于决定下一步改写哪一条代码路线。值得注意的是，ERA 还会把论文、教材或搜索结果中的研究思想注入提示词，让模型不只是调参，而是尝试重组方法。

Robin 的核心是文献智能体 + 数据分析智能体。

Crow 和 Falcon 负责不同深度的文献检索与候选药物评估；Finch 负责处理流式细胞术、RNA-seq 等实验数据。RNA-seq 是转录组测序技术，其作用是观察药物处理后细胞中基因表达如何变化。流式细胞术用于在单细胞水平检测荧光信号，从而量化吞噬能力等细胞功能。

Co-Scientist 的核心是生成—辩论—演化。

系统将科学假设放入类似锦标赛的比较机制中，通过 Elo 评分进行排序。Elo 评分原本常用于棋类或竞技系统，在这里用于衡量不同假设在成对比较中的相对质量。测试时计算（test-time compute）的作用，是让系统在推理阶段投入更多计算，通过多轮反思和演化提升假设质量。

流程：从候选方案到可验证结果

在 ERA 中，研究人员将任务定义为可评分问题。系统生成多份代码，运行、打分，再选择值得继续探索的节点。可评分任务指有明确评价指标的科研问题，其作用是为 AI 提供即时反馈，使搜索过程可以自动迭代。

在 Robin 中，研究人员只给出目标疾病，例如干性年龄相关性黄斑变性（dAMD）。系统先识别疾病机制，再选择体外实验模型，提出候选药物；实验完成后，原始数据被交给 Finch 分析，分析结论再反过来指导下一轮候选药物生成。

在 Co-Scientist 中，科学家通过自然语言输入研究目标和约束。系统生成多个假设，由反思代理检查合理性，由排名代理组织科学辩论，由演化代理重组高分假设，最后形成可供专家审查的研究方案。

关键结果：AI 不是只会总结，也开始参与“组合式发现”

ERA 在单细胞 RNA 测序批次整合任务中表现突出。批次效应指不同实验批次带来的非生物学差异，其校正作用是让多来源细胞数据可以被共同分析。ERA 在 OpenProblems 基准上生成了多种优于人工方法的实现，其中 BBKNN 与 ComBat 的重组方案比最佳已发表方法整体提升 14%，并在多个数据集和指标上保持优势。

在公共卫生预测中，ERA 生成的 COVID-19 住院预测模型平均 WIS 为 26，优于 CovidHub Ensemble 的 29。WIS 是加权区间评分，其作用是同时衡量预测准确性和不确定性校准。论文还报告，ERA 产生了 14 种优于 CDC 集成模型的策略。

Robin 的验证集中在 dAMD。系统提出增强视网膜色素上皮细胞吞噬作用作为治疗策略。RPE 吞噬作用指视网膜色素上皮清除感光细胞外节碎片的能力，其异常与黄斑变性相关。实验中，Robin 识别出 ripasudil 和 KL001 可增强 RPE 吞噬；其中 ripasudil 是日本已批准用于青光眼的 ROCK 抑制剂，在 ARPE-19 细胞中使吞噬作用相对 DMSO 对照提升 1.89 倍，并在原代人 RPE 细胞中得到验证。

值得注意的是，Robin 进一步建议进行 RNA-seq，发现 ROCK 抑制相关处理可上调 ABCA1。ABCA1 是脂质外排泵，其作用是帮助细胞转运胆固醇和磷脂；这一结果提示 AI 驱动实验不仅能筛药，也可能暴露新的疾病通路。

Co-Scientist 的验证更偏向假设空间探索。在 203 个研究目标中，系统的 Elo 评分随推理轮次增加而提高；在 15 个专家策划的复杂生物医学目标上，系统通过持续计算逐步超过多个前沿模型和专家初始猜想。

在真实生物医学验证中，Co-Scientist 提出了急性髓系白血病药物再利用候选和组合疗法；在肝纤维化中提出表观遗传靶点，并有候选药物在肝类器官中显示抗纤维化活性；在抗菌耐药机制问题上，系统还复现了一个当时尚未公开的 cf-PICI 宿主范围扩展机制假设。

应用意义：从自动化任务到扩展科研搜索空间

这三项研究的意义，不在于宣称 AI 已经替代科学家，而在于提出了一个更具体的问题：哪些科研环节可以被形式化为搜索、评分和反馈？

与传统方法不同，AI 系统可以同时探索大量候选代码、候选机制和候选药物组合；但这些结果仍需要专家审查、独立实验、疾病模型和临床研究验证。

这项研究并不是证明了 AI 已经能独立完成科学发现，而是说明当文献、代码、实验数据和评价指标被连接起来，AI 可以帮助科学家更快发现非显而易见的组合关系。

未来，这类系统可能用于单细胞组学分析、公共卫生建模、药物再利用、类器官筛选、材料发现和复杂疾病机制研究。真正的科学问题也因此变得更清晰：如何把 AI 的大规模搜索能力，与人类科学家的因果判断、实验设计和严谨验证结合起来。

参考文献

Aygün, E., Belyaeva, A., Comanici, G. et al. An AI system to help scientists write expert-level empirical software. Nature (2026). https://doi.org/10.1038/s41586-026-10658-6

Ghareeb, A.E., Chang, B., Mitchener, L. et al. A multi-agent system for automating scientific discovery. Nature (2026). https://doi.org/10.1038/s41586-026-10652-y

Gottweis, J., Weng, WH., Daryin, A. et al. Accelerating scientific discovery with Co-Scientist. Nature (2026). https://doi.org/10.1038/s41586-026-10644-y