Science：一组人工智能是如何发现一种有前景的肺癌药物

《nature》：How a team of AIs discovered a promising lung-cancer drug

研究人员开发了一种虚拟生物技术，由多达3.7万名代理人组成，向一位“首席科学家”汇报工作。

　　

制药公司高管的梦想是：成千上万的员工夜以继日地工作，不受吃饭、睡觉或分心的干扰，只为找到下一款畅销药物。

一种名为“虚拟生物技术”（Virtual Biotech）的复杂人工智能系统是实现这一愿景的一步，该系统发表在Science上。

虚拟生物技术由多达3.7万个代理人工智能系统组成，这些系统可以自主地与大型语言模型（llm）或彼此交互，并能够执行多步骤任务。它发现了一个分子信号，可以帮助预测临床试验的成功。在一些人为的疏忽下，它发现了一种很有希望的肺癌治疗方法。

“我们想看看这些由人工智能科学家组成的代理团队能在多大程度上帮助我们真正加速药物的发现和开发，”加州斯坦福大学（Stanford University）的计算机科学家詹姆斯·邹（James Zou）说，他领导了这项研究。

但其他科学家指出，虚拟生物技术还没有经过现实世界药物发现的考验，它的预测也没有通过实验验证，更不用说临床试验了。

组织结构图

在过去一年左右的时间里，越来越有能力的人工智能科学家在各个领域占据了一席之地。在生物医学领域，他们表现出了从基因组数据分析到假设生成和实验设计等复杂任务的能力。

为了测试这些系统寻找新药的能力，这是一项涉及许多相互关联的任务的工作，Zou召集了一个代理团队，模仿了生物技术公司的员工。在虚拟生物技术公司的架构中，首席科学官（CSO）负责指导不同部门的员工，每个部门都有自己的子专业，比如目标识别和临床试验设计。

在这项研究中，Zou团队使用了由加州旧金山Anthropic公司开发的Claude版本作为驱动代理的底层LLM。但他说，任何高级法学硕士都可以，包括研究人员可以在自己的计算机上运行的开源模型。

为了测试虚拟生物技术的能力，Zou团队让它分析已发表的5.5万多项临床试验的结果，这些试验是针对各种情况的药物进行的。CSO分配了37,075个药物来处理一个单一的后期试验。

其他虚拟生物技术员工则在显示不同细胞类型中哪些基因活跃的数据集中寻找成功的预测因子。该分析发现，与其他药物相比，针对特定细胞类型中活性蛋白的药物进入市场的可能性高出近50%。

在另一项演示中，Zou团队指导CSO调查一种名为CD276的蛋白质是否会成为肺癌的良好治疗靶点。先前的研究表明，CD276抑制免疫反应，并在肺肿瘤中高度表达。

有了这个提示，该系统利用先前收集的数据确认了CD276是一个候选者，并开发了一种针对它的策略：一种与抗癌药物相连的识别CD276的抗体。在外部审稿人的帮助下，Zou和他的合作者得出结论，这是一条很有前途的途径。