Агенты искусственного интеллекта для биологических исследований: обзор

Artificial Intelligence agents for biological research: a survey
Qin Liu, Wenbo Wang, Cong Qi, Siqi Jiang, Q. Liu, Xun Song, Hanzhang Fang, Zhi Wei, Cong Qi
2026-01-01

5D-таксономияавтономное рассуждениебиологические ИИ-агентымолекулярный и лекарственный дизайнмультиомный анализ
Быстрый рост объёма биологических данных и усложнение экспериментов обусловили повышенный интерес к системам искусственного интеллекта (ИИ), которые выходят за рамки статического прогнозирования и обеспечивают автономные рассуждения и действия. Хотя современные вычислительные модели демонстрируют высокую прогностическую эффективность, в основном они функционируют как пассивные инструменты в исследовательских рабочих процессах, управляемых человеком. В отличие от них, ИИ-агенты объединяют рассуждение, планирование, вызов инструментов и итеративное совершенствование на основе обратной связи, обеспечивая более адаптивные и интерактивные формы биологического анализа. В настоящем обзоре систематизированы последние достижения в области биологических ИИ-агентов на основе анализа более 100 репрезентативных исследований, посвящённых клинической аналитике, молекулярному дизайну и разработке лекарственных средств, мультиомному анализу и извлечению знаний. Предложена унифицированная таксономия 5D, систематизирующая существующие работы по предметным областям задач, архитектурам систем, режимам взаимодействия, стратегиям оценки и интеграции ресурсов. На основе этой системы проанализированы типичные проектные решения, выделены новые возможности, обеспечиваемые агентными парадигмами, и определены ключевые нерешённые проблемы, включая надёжность, конфиденциальность, масштабируемость и стандартизированную оценку. В совокупности данный обзор проясняет концептуальный и методологический ландшафт биологических ИИ-агентов и намечает направления развития более надёжных, прозрачных и коллаборативных агентных систем для биологических исследований. В качестве постоянно обновляемого ресурса для научного сообщества нами подготовлен репозиторий GitHub, содержащий ресурсы и сводные данные по бенчмаркам: https://github.com/MineSelf2016/biological_agents_survey.
1
Создан репозиторий GitHub с актуализируемыми ресурсами и сводками бенчмарков для исследовательского сообщества биологических ИИ-агентов.
2
Предложена единая пятикомпонентная таксономия, классифицирующая биологические ИИ-агенты по предметным областям, архитектурам систем, режимам взаимодействия, стратегиям оценки и интеграции ресурсов.
3
Биологические ИИ-агенты расширяют статическое предсказание за счёт интеграции рассуждений, планирования, вызова инструментов и итеративного уточнения на основе обратной связи.
4
Надёжность, конфиденциальность, масштабируемость и стандартизированная оценка выделены как основные нерешённые проблемы, ограничивающие внедрение биологических ИИ-агентов.
5
Обзор синтезирует более 100 исследований применения ИИ-агентов в клинической аналитике, молекулярном и лекарственном дизайне, мультиомном анализе и открытии биологических знаний.

ИИ-агенты для биологических исследований

Их архитектуры, возможности, области применения, стратегии оценки, интеграция ресурсов и проблемы автономного биологического анализа

Publication Details
Publication Date
2026-01-01
Journal
Publisher
ISSN
Cited by
18
Access Type
Author Information
Authors
Qin Liu
Wenbo Wang
Cong Qi
Siqi Jiang
Q. Liu
Xun Song
Hanzhang Fang
Zhi Wei
Cong Qi
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%