**Paper2Agent：将研究论文重塑为交互式可靠的人工智能代理**

《Nature》：Reimagining research papers as interactive and reliable AI agents

　　

本文介绍了Paper2Agent，一种将研究论文转化为人工智能（artificial intelligence，AI）代理的自动化框架。Paper2Agent将研究产出从被动的人工制品转变为加速使用与发现的主动系统。传统研究论文要求读者理解并改造论文的代码、数据和方法以适应其自身工作，为知识的传播和重用设置了障碍。Paper2Agent通过将论文转化为一个充当虚拟通讯作者的AI代理来解决这一挑战，将论文的手稿、补充材料、数据集、代码和工作流程暴露为主动的、代理原生的知识，而非静态文本。该框架使用多个代理分析论文和代码库，以构建模型上下文协议（model context protocol，MCP）服务器，随后生成并运行测试以改进和增强MCP的稳健性。这些论文MCP可以连接到聊天代理（如Claude Code），通过自然语言执行复杂的科学查询，同时调用论文中的工具和工作流程。研究人员通过案例研究证明了Paper2Agent的有效性。Paper2Agent创建了一个利用AlphaGenome¹解释基因组变异的代理，以及基于Scanpy²和TISSUE（transcript imputation with spatial single-cell uncertainty estimation）³进行单细胞和空间转录组学分析的代理。研究人员验证了这些代理能够复现原始论文的结果，并能执行新颖的用户查询。Paper2Agent还创建了多个协作代理，以优先排序银屑病的致病基因。通过将静态论文转变为交互式AI代理，Paper2Agent引入了一种知识传播的范式和一个AI协同学的协作生态系统。

**研究背景与问题**

研究论文是科学交流的传统单位，是记录方法、结果和见解的主要方式。然而，论文本质上是被动的对象：读者需要自行发现论文、解析其贡献，并手动确定如何将其应用于自己的工作。当论文描述一种新的计算方法时，在新数据上使用该方法通常存在巨大的技术障碍。读者可能需要定位相应的代码仓库、安装依赖项、配置环境，并理解正确的输入和输出格式。即使有维护良好的代码仓库，这一过程也往往相当复杂。以AlphaGenome为例，它提供了强大的全基因组基础建模框架，但需要大量的技术专业知识来设置和部署，限制了原本可以受益的生物学家对其的使用。这反映了一个更广泛的挑战：研究产出被被动地隔离在技术壁垒之后。

**研究目的**

针对上述问题，研究人员提出了Paper2Agent框架，将静态论文转变为主动的AI代理。每个代理作为对应论文的交互式专家，能够演示、应用和调整其方法以适应新项目。AI代理是能够推理任务并通过利用外部工具和资源来达成目标的自主系统，基于大语言模型（large language models，LLMs）构建，用户可以通过人类语言与代理交互，从而大幅降低科学家的使用障碍。Paper2Agent将任何研究论文转化为体现论文知识和方法的人工代理，将研究产出从编码知识的文档或代码库转变为能够执行和对话的知识实体，扩展了可执行论文、Papers with Code、Binder和CodeOcean等早期工作的轨迹，代表了一种超越静态传播的互动协作的新型科学交流模式。

**方法与技术**

研究人员使用Claude Code²³实现了Paper2Agent，这是一个专门管理复杂编码任务的AI编码代理。工作流程首先识别与论文相关的代码库，然后调用两个专门代理：环境代理配置必要的软件环境，提取代理将核心方法转化为已实现的工具。这些工具通过测试代理进行验证，该代理运行自动检查，改进代码和环境直到结果与参考输出匹配。验证通过后，工具和环境被打包到一个MCP Python文件中，可部署在Hugging Face等远程服务器上。最后，将论文MCP服务器与AI代理连接，创建一个功能完整的论文代理。该方法在个人笔记本电脑上以约45分钟、14美元的成本生成了AlphaGenome MCP工具，无需人工干预。研究涉及多个数据来源，包括AlphaGenome论文、Scanpy软件包、TISSUE论文，以及100篇计算生物学论文（从bioRxiv生物信息学分类中按时间倒序回溯抽样）、26篇数据和发现类论文（13篇bioRxiv和13篇Nature，2025年）和10篇非生物学计算论文（涵盖AI、统计学、计量经济学、博弈论和天体物理学）。基准测试使用了人类执行的真值、Claude + Repo和Biomni作为对照。

**研究结果**

**AlphaGenome基因组建模代理**

Paper2Agent生成了22个AlphaGenome MCP工具，覆盖了方法创新，包括单变异和批量变异评分、序列级预测、组织本体探索和可视化套件。在基准测试中，该代理在15个教程衍生查询上达到98.7±1.3%的准确率，在15个新颖查询上达到100.0±0.0%的准确率，优于Claude + Repo（82.7±3.4%和78.7±4.4%）和Biomni（37.3±4.0%和56.0±3.4%）。在30个开放性研究者式查询中达到82.7±2.4%的准确率，并且中位运行时间分别比Claude + Repo和Biomni缩短了1.9倍和3.1倍（教程衍生查询）以及2.9倍和3.8倍（新颖查询）。在解释LDL胆固醇相关变异时，代理将SORT1列为最可能的因果基因，而原始论文强调CELSR2和PSRC1，这一差异凸显了用户可以使用独立的基于模型的证据重新评估已发表的结论。

**Scanpy单细胞分析代理**

Paper2Agent为Scanpy的预处理和聚类功能生成了七个工具，构建了MCP提示，编码了包括质量控制、标准化、特征选择、降维、图谱构建、聚类和细胞类型注释在内的标准流程。将该代理应用于四个公开的单细胞数据集，其输出与人类研究人员处理相同数据的结果一致，保留了等效的细胞和基因数量，并恢复了等效的每聚类顶级差异表达标记基因。在七个多样化的单细胞数据集上的测试表明，代理会根据数据特征自适应调整参数。研究人员还将TISSUE论文代理化用于单细胞空间转录组学分析。

**Paper2Agent的大规模评估**

在100篇计算生物学论文中，74篇成功代理化，生成599个提议工具，其中593个通过自动验证。主要失败模式包括缺少可执行代码、缺少数据或模型工件、环境或依赖失败以及不可泛化的脚本。在300个教程衍生基准问题上，Paper2Agent with Sonnet 4达到91.2±1.6%的准确率，优于使用Sonnet 4（80.3±2.3%）和Sonnet 4.6（86.3±1.1%）的Claude Code直接仓库访问。Paper2Agent还降低了查询成本和延迟（每次查询0.20美元和1.6分钟，而直接使用Sonnet 4为0.38美元和4.3分钟）。在10篇非生物学计算论文的42个基于执行的任务中，Paper2Agent达到98.1±0.8%的准确率。在26篇数据和发现类论文中，资源层在100个基于综合的问题上达到89.0±3.1%的准确率，优于Claude浏览器使用基线（82.0±3.8%），同时便宜34倍且快15倍。对于超出范围的查询，Paper2Agent正确拒绝了100%的置换论文-问题基准测试。

**论文代理协作发现**

研究人员使用AlphaGenome代理、MPRA偶联scCRISPRi³⁹代理和CD4+ T细胞Perturb-seq⁴⁰代理三个代理来识别和验证银屑病相关变异的因果基因。AlphaGenome代理预测GPR137是rs887314位点在CD4+ T细胞中的首要受影响基因。AI协同学自主检查了论文手稿、分析了补充表格和差异表达汇总统计后，提出了十种验证策略。研究人员选择了特征相关性分析来测试CRE扰动特征是否与任何基因敲除特征匹配。在刺激条件下，只有GPR137敲除与CRE扰动特征显著一致（Stim8hr时Spearman相关=0.613，P=3.79×10^-3；Stim48hr时Spearman相关=0.630，P=4.71×10^-3；FDR<0.05），而BAD敲除和其他三个候选基因在任何条件下均无显著相关性。这种跨屏幕、跨模态的特征相关性程序在原始论文中并未提出，是一种灵活的技术。

**讨论与结论**

并非每篇论文都能无缝地转化为稳健的代理。在大规模评估中，仍有相当比例的代码仓库无法成功代理化，通常是由于代码库不完整、文档缺失或环境配置无法解决。研究人员提出，论文转化为代理的难易程度本身可以作为可复现性的实用衡量标准，并设想未来的论文可能包含"代理可用性"部分。Paper2Agent可以产生假设、提出验证策略并大规模执行分析，但研究人员仍负责选择方向和评估证据。开放式的科学推理，包括假设生成和机制解释，仍然需要人类参与。展望未来，代理可以相互交互，将方法与数据集联系起来或结合不同领域的见解，形成动态的科学智能层，加速跨学科联系，实现一种新形式的AI驱动协作。Paper2Agent指向这样一个未来：科学交流不仅关乎描述结果，还关乎创造体现和扩展研究的交互式协作实体。