Биомедицинские исследования — это быстро развивающаяся область, целью которой является улучшение здоровья человека путём раскрытия механизмов, лежащих в основе заболеваний, определения новых терапевтических целей и разработки эффективных методов лечения. Эта область охватывает разнообразные направления, включая генетику, молекулярную биологию, фармакологию и клинические исследования, которые требуют специализированных инструментов и глубоких знаний.
Основные проблемы в биомедицинских исследованиях
Сложность биомедицинских данных, экспериментов и литературы создаёт как возможности, так и проблемы. Исследователи должны интегрировать результаты из геномики, протеомики и других источников данных для выдвижения гипотез, планирования экспериментов и интерпретации результатов.
Существующие инструменты для биомедицинских исследований часто ориентированы на узкие задачи, такие как анализ конкретных генов, предсказание структуры белков или изучение взаимодействия лекарств с мишенями. Эти инструменты требуют тщательной настройки, знаний в предметной области и ручной интеграции в более широкие рабочие процессы.
Исследователи из Стэнфордского университета, Genentech, Института Arc, Вашингтонского университета, Принстонского университета и Калифорнийского университета в Сан-Франциско представили Biomni — биомедицинский ИИ-агент общего назначения.
Biomni: инновационный подход
Biomni сочетает в себе фундаментальную биомедицинскую среду Biomni-E1 с передовой архитектурой выполнения задач Biomni-A1. Biomni-E1 был создан путём анализа десятков тысяч биомедицинских публикаций в 25 поддисциплинах, извлечения 150 специализированных инструментов, 105 программных пакетов и 59 баз данных, образуя единое биомедицинское пространство действий.
Biomni-A1 динамически выбирает инструменты, формулирует планы и выполняет задачи, генерируя и запуская код, что позволяет системе адаптироваться к разнообразным биомедицинским задачам.
Преимущества Biomni
* Гибкость: Biomni может выполнять широкий спектр задач автономно, включая биоинформатический анализ, генерацию гипотез и разработку протоколов.
* Эффективность: система способна обрабатывать большие объёмы данных, выявлять биологические закономерности и ускорять путь от необработанных данных до проверяемых гипотез.
* Интеграция: Biomni может интегрировать до 4 специализированных инструментов, восемь программных пакетов и три уникальных элемента озера данных.
Ключевые выводы из исследования Biomni
* Biomni-E1 включает 150 специализированных инструментов, 105 программных пакетов и 59 баз данных, интегрированных для биомедицинских исследований.
* Средний прирост производительности Biomni: 402,3% по сравнению с базовыми LLM, 43,0% по сравнению с кодирующими агентами и 20,4% по сравнению с Biomni-ReAct.
* Biomni автономно выполнил 10-этапный конвейер, анализируя 458 файлов с данными носимых датчиков, выявив среднее повышение температуры после приёма пищи на 2,19 °C.
* На LAB-Bench Biomni достиг 74,4% точности в DbQA и 81,9% в SeqQA, превзойдя человеческих экспертов.
* Biomni обработал сложный мультиомный набор данных из 336 162 профилей и сгенерировал интерпретируемые выходные данные, включая сети регуляции генов и анализ обогащения мотивов.
В заключение, Biomni представляет собой значительный шаг вперёд в области биомедицинского ИИ, объединяя рассуждения, выполнение кода и динамическую интеграцию ресурсов в единую систему. Исследователи продемонстрировали, что Biomni может обобщать задачи, выполнять сложные рабочие процессы без использования ручных шаблонов и давать результаты, которые могут конкурировать или превосходить человеческий опыт в нескольких областях.
🔬🧬💻 Узнайте больше в статье, посмотрите код и попробуйте Biomni здесь. Вся заслуга в этом исследовании принадлежит исследователям проекта. Подписывайтесь на нас в Twitter и присоединяйтесь к нашему сообществу в ML SubReddit (более 95 тысяч участников) и подписывайтесь на нашу рассылку.