基于大语言模型智能体的扩增子测序引物设计加速系统PrimeGen

来自国内的研究团队开发了PrimeGen多智能体系统，利用GPT-4o作为核心控制器，通过任务分解协调搜索、引物设计、实验协议生成和异常检测等专业模块，成功实现高通量靶向测序(NGS)引物自动化设计。该系统支持955个扩增子(amplicons)的并行设计，显著提升扩增均一性并减少二聚体形成，为生物医学研究提供了智能化的实验方案生成工具。

　　

这项研究展示了压缩在大语言模型(LLM)中的预训练知识如何推动科学挑战的解决。PrimeGen框架作为多智能体LLM系统，专门用于解决靶向下一代测序(NGS)中复杂的引物设计工作流。该系统以GPT-4o作为"大脑"，通过与实验人员交互进行任务规划，协调四个专业模块：交互式搜索智能体从数据库获取基因靶点；引物设计智能体应对多场景引物序列设计；协议智能体通过检索增强生成(RAG)和提示工程创建可执行的机器人脚本；配备视觉语言模型(VLM)的实验智能体则负责异常检测。实验证实，PrimeGen可高效处理955个扩增子(amplicons)的设计需求，在保证高扩增均一性的同时有效避免二聚体形成。该成果彰显了由通用基础模型协调的协作智能体在推动生物医学研究方面的巨大潜力。