OmicOS: комплексная инфраструктура экосистемы омиксных технологий и агентная система для эпохи искусственного интеллекта

Биология накопила обширную экосистему омиксных методов, однако значительная её часть по-прежнему создаётся для экспертов-людей, а не для научных агентов. Методы распределены между пакетами Python, рабочими процессами R/Bioconductor и CRAN, инструментами командной строки, несовместимыми контейнерами данных и неявными состояниями объектов, из-за чего даже рутинный анализ трудно надёжно выбрать, выполнить и проверить с помощью системы искусственного интеллекта. Здесь мы представляем OmicOS — комплексную инфраструктуру экосистемы омиксных технологий и агентную систему, превращающую OmicVerse V2, открытое сообщество омиксных разработок, в исполняемую основу агентной биологии. OmicVerse V2 предоставляет общественный базовый слой: масштабируемые бэкенды на Rust, совместимые с AnnDataOOM, ориентированные на агентов алгоритмы Python для анализа одноклеточных, пространственных, массовых и мультиомиксных данных, интерфейсы к фундаментальным моделям для одноклеточных данных, а также нативные реализации на Python рабочих процессов в стиле Bioconductor/CRAN, исторически ориентированных на R. OmicOS делает этот базовый слой действенным, регистрируя аналитические функции как контракты возможностей, учитывающие состояние, что позволяет агентам исследовать актуальные объекты данных, выбирать допустимые методы, выполнять контролируемые рабочие процессы и фиксировать происхождение данных. Результатом является не фиксированный конвейер, а программируемая омиксная среда, в которой агенты составляют реальные анализы из проверенных общественных методов, а не изобретают инструменты. Внешние и специально разработанные тесты показали, что OmicOS заняла первое место среди оцениваемых систем, достигнув 81,2% на BiomniBench. Добавление OmicVerse к минимальному агенту повысило долю выполненных задач максимум на 34,2 процентного пункта при использовании qwen-3.6-35b, а контролируемые абляционные исследования показали, что прирост был обусловлен выполнением на основе реестра, а не более крупными моделями, поиском по документации или неограниченным предоставлением инструментов. Та же инфраструктура масштабировалась до данных атласного размера, воспроизводила ориентированные на R рабочие процессы на Python и преобразовывала внешнее программное обеспечение для патологии в навыки, пригодные для использования агентами. В задаче поиска, начинавшейся с пространственной карты всего организма и термина «болезнь Альцгеймера...