人工智能能否作为科学发现的合作伙伴，生成与人类专家相媲美的新颖、可检验假说？两项最新研究展示了谷歌开发的专用AI系统不仅识别出在慢性肝病实验室模型中展现显著抗纤维化活性的药物候选物，还独立推导出人类科学家耗费十年才解决的复杂细菌基因转移机制。
科学发现过程传统上依赖人类智慧，将深厚专业知识与创造性洞察相结合来提出新问题并设计实验。然而，已发表研究的庞大规模使任何单一科学家都难以连接不同领域的零散观点。新一代人工智能工具旨在通过增强和加速人类主导的研究来应对这一挑战。
谷歌AI科研伙伴正是此类工具，其开发者希望它能显著改变生物医学研究格局。近期发表在《先进科学》和《细胞》期刊上的研究提供了早期证据，显示该系统不仅能筛选海量数据集，还能参与推理过程以实现高影响力发现。
谷歌AI科研伙伴：面向发现的多智能体系统
谷歌AI科研伙伴是基于Gemini 2.0大语言模型构建的多智能体系统，旨在模拟科学方法的迭代过程。它并非单一实体，而是由协同工作的专业AI智能体团队组成，旨在帮助科学家生成新研究思路、创建详细提案并规划实验。
该系统采用"科学家参与循环"模式，人类专家可提供初始研究目标、给予反馈并通过自然语言引导AI探索。专业智能体各司其职：生成智能体作为头脑风暴者，通过探索科学文献和模拟辩论产生初步构想；反思智能体担任同行评审员，严格评估构想的质量、新颖性和可行性。
其他智能体协助优化输出：排序智能体运行基于Elo的锦标赛（类似国际象棋排名），优先筛选最具前景的假说；进化智能体通过融合概念或非常规思考改进高排名构想；元评审智能体综合所有反馈，持续提升其他智能体性能。这种协作式自我优化循环旨在产出日益新颖且高质量的科学洞见。
AI精准定位肝纤维化新药物靶点
在《先进科学》发表的研究中，研究团队与谷歌合作探索肝纤维化新疗法。肝纤维化是一种以肝脏过度瘢痕化为特征的渐进性疾病，现有治疗选择极为有限——部分原因是现有疾病模型无法准确模拟人类肝脏纤维化发展过程，多年来阻碍了药物开发。
为填补这一空白，研究团队要求AI科研伙伴生成治疗肝纤维化的新可检验假说。具体而言，他们让AI探索表观基因组机制（即影响基因活性但不改变DNA序列的化学修饰）能否作为靶点来减轻或逆转纤维化。
"论文所用数据中，我们仅提供单次提示并收到AI科研伙伴的响应，详见补充数据文件1，"斯坦福大学医学院教授加里·佩尔茨（Gary Peltz）解释道，"提示经过精心设计，明确聚焦领域（肝纤维化表观基因组效应）和实验方法（使用我们的肝类器官）。但在多数情况下，迭代式与AI互动对精确定义问题并获得更完整答案至关重要。"
该AI系统扫描科学文献后提出：三类表观基因组调节剂可作为抗纤维化治疗的潜在靶点——组蛋白去乙酰化酶（HDACs）、DNA甲基转移酶1（DNMT1）和溴结构域蛋白4（BRD4）。它还概述了测试这些构想的实验技术，例如单细胞RNA测序以追踪药物对不同细胞群的影响。研究人员将这些建议纳入实验设计。
为验证AI提议，团队使用基于人类肝类器官的实验室系统——这是源自干细胞的三维细胞培养物，能模拟人类肝脏关键特征。这些微型器官包含多种肝细胞类型，当暴露于TGF-beta等促纤维化触发因子时可模拟纤维化。该类器官系统使研究人员不仅能评估药物是否减轻纤维化，还能检测其毒性或促进肝组织再生的能力。
研究证实AI提出的两类药物（HDAC抑制剂和BRD4抑制剂）展现出强效抗纤维化作用。其中测试化合物伏瑞斯特（Vorinostat）是FDA批准的癌症药物，在类器官模型中不仅抑制纤维化，似乎还能刺激健康肝细胞生长。
"当时我正在撰写该领域的基金申请书，AI科研伙伴的输出令我惊讶，"佩尔茨向PsyPost透露。
他尤其惊讶于此前相关研究如此匮乏。经PubMed检索，他发现关于肝纤维化的论文超18万篇，但仅7篇提及伏瑞斯特在此背景下应用。其中4篇与纤维化无关，另1篇仅在数据表中引用该药物却未实际测试，仅2项研究直接探究伏瑞斯特对肝纤维化的作用。
尽管HDAC和BRD4抑制剂效果显著，AI推荐的第三类药物DNMT1抑制剂未达预期。该类别中一种化合物对类器官毒性过高，无法推进后续研究。
为评估AI性能，佩尔茨还基于现有文献选择两个额外药物靶点作为对照——这些靶点因更多文献支持被认为可能有效。但在相同类器官系统中测试时，针对这些高支持度通路的抑制剂未能减轻纤维化。这表明AI能发掘人类研究者可能遗漏的有效疗法，即使经过广泛文献综述。
展望未来，佩尔茨表示其团队"正利用肝类器官系统开发更多数据，以确定伏瑞斯特能否有效减轻已建立的纤维化，并与多家组织和制药公司探讨将伏瑞斯特作为抗纤维化药物测试的潜力"。
AI数日内复现十年科学发现
在另一项展现其推理能力的演示中，AI科研伙伴被要求解决帝国理工学院团队耗时十余年才破解的生物学谜题。该发表在《细胞》期刊的研究聚焦细菌中一类特殊移动遗传元件——形成衣壳的噬菌体可诱导染色体岛（cf-PICIs）。
科学家困惑于为何相同cf-PICIs存在于多种细菌物种中。这令人意外，因为这些元件依赖噬菌体传播，而噬菌体通常宿主范围极窄，往往仅感染单一物种或菌株。人类研究团队已通过多年复杂实验破解谜题（成果尚未公开），发现一种称为"尾部劫持"的新机制：cf-PICIs产生自身含DNA的"头部"（衣壳）但缺乏尾部；这些无尾颗粒释放后，能劫持感染不同细菌物种的多种噬菌体尾部，形成嵌合感染颗粒，将cf-PICI遗传物质注入新宿主。
为测试AI科研伙伴，研究人员仅提供其发现前的公开信息，并提出相同问题：相同cf-PICIs如何在不同细菌物种间传播？
AI科研伙伴生成五个排序假说。其首选方案指出cf-PICIs通过"衣壳-尾部互作"实现广谱宿主适应性，提出cf-PICI头部可与多种噬菌体尾部相互作用。该假说几乎完美复现了人类团队耗时数年发现的"尾部劫持"机制。
AI不受研究人员既有假设和现有科学模型偏见的束缚，仅用数日便触及发现核心。当研究人员进行基准测试时，发现其他领先AI模型未能生成相同正确假说，表明AI科研伙伴系统具备更高级的推理能力。
局限性与未来路径
尽管成果喜人，参与研究的科学家强调重大局限依然存在。AI科研伙伴的性能迄今仅在少数特定生物学问题上得到评估，需更多测试验证其能力能否推广至其他科学领域。其推理也依赖所分析公开数据的质量和完整性，而数据本身可能存在偏见或知识缺口。
或许最重要的是，人类专业知识仍不可或缺。尽管AI能生成大量合理假说，却缺乏多年实践经验带来的深度情境判断。经验丰富的科学家仍需评估哪些构想值得推进，并设计精确实验进行验证。优先处理AI生成构想的挑战巨大，因为传统实验流程既不够快速也不够经济，无法测试每个有前景的线索。
"AI输出必须由领域专家评估；且对具备专业知识者最具价值，因为他们最能评估并利用这些输出，"佩尔茨告诉PsyPost。
尽管如此，这两项研究证明AI系统正从得力助手演变为科学进程中真正的协作伙伴。通过生成新颖且可实验验证的假说，AI科研伙伴等工具有望强化人类直觉，加速科学与生物医学突破步伐。
"我相信AI将显著加快众多生物医学领域的发现速度，并将很快用于改善患者护理，"佩尔茨表示，"我实验室当前正将其用于基因发现和药物重定位，但生物科学诸多领域将迅速受其影响。目前我认为AI科研伙伴在此领域最优，但这领域发展迅猛。"
《AI辅助药物重定位治疗人类肝纤维化》研究由袁冠、崔璐、贾卡蓬·因猜、方卓清、劳杰克、阿尔贝托·阿洛诺索·加西亚·布里托、安娜丽莎·帕沃洛斯基、尤拉伊·戈特魏斯、亚历山大·达里因、阿尔蒂奥姆·米亚斯科夫斯基、拉克什米·拉马克里希南、阿尼尔·帕卢普、卡维塔·库尔卡尼、翁伟宏、程专芬、维韦克·纳塔拉扬、艾伦·卡西克萨林甘、柯然、徐云涵、涂涛和加里·佩尔茨共同完成。
《嵌合感染颗粒扩展噬菌体可诱导染色体岛迁移的物种边界》研究由何凌晨、约纳斯·B·帕特科夫斯基、王金龙、劳拉·米格尔-罗梅罗、克里斯托弗·H·S·艾利特、阿尔弗雷德·菲洛尔-萨洛姆、蒂亚戈·R·D·科斯塔和何塞·R·佩纳德斯共同完成。
《AI模拟实验科学揭示细菌进化关键基因转移机制》研究由何塞·R·佩纳德斯、尤拉伊·戈特魏斯、何凌晨、约纳斯·B·帕特科夫斯基、亚历山大·达里因、翁伟宏、涂涛、阿尼尔·帕卢普、阿尔蒂奥姆·米亚斯科夫斯基、安娜丽莎·帕沃洛斯基、维韦克·纳塔拉扬、艾伦·卡西克萨林甘和蒂亚戈·R·D·科斯塔共同完成。
【全文结束】
