2026-09-26
斯坦福与普林斯顿的五 agent 系统 AutoScreen，并行检索 26 个生物医学库做 CRISPR 靶点排序。320 场全基因组筛上 top-100 命中率 6.4%，比最强 agent 基线 5.4% 相对高约 19%；湿实验验证了三个 NK 抗性基因。
功能基因组学现在不难吐出一张几百个候选基因的清单。CRISPR 筛选、RNA-seq、GWAS 都能往外堆命中。真正卡人的是下一步：哪些值得跟进，以及全基因组筛不起的时候该先做哪几百个。
现有工具各管一段。MAGeCK、DESeq2 给出统计排序，但没有生物学上下文。通路库和文献挖掘有上下文，却散在不同库里，得人肉对账。BioDiscovery Agent 这类 LLM agent 能从文字描述吐出扰动面板，但容易收回教材级 hub 基因，扩到全基因组规模时也缺少可审计的证据链。
斯坦福 Cong 实验室和普林斯顿 Mengdi Wang 组做的 AutoScreen，把这件事拆成五个 specialist agent，默认推理后端是 GPT-5.4。
两条工作模式。Pre-screen Design 只吃研究描述，从零设计扰动库。Post-screen Analysis 额外吃 MAGeCK 或 DESeq2 的命中表，把统计信号和外部证据合在一起重排。
在 BioGRID ORCS 上留下 320 场有完整元数据、有条件对照的全基因组 CRISPR 筛，把原分析 top-100 当 ground truth。所有方法只拿到文字化的研究目标，吐出最多 500 个基因。
| 方法 | top-100 命中率 | top-500 命中率 | MAP@100 相对随机 |
| AutoScreen | 6.4% | 13.4% | 275.43× |
| BioDiscovery Agent | 5.4% | 12.2% | 216.22× |
| GPT-5.4 | 3.8% | 9.1% | 126.30× |
| 随机 | 0.2% | 未给 | 1× |
相对最强 agent，top-100 验证命中多约 19%。要拿到与 AutoScreen top-500 同等数量的真命中，BioDiscovery 需要 1.2 倍库，GPT-5.4 需要 2.4 倍，随机需要 50 倍。AutoScreen 独有、另两个方法都没收回的真命中，占全部 ground truth 的 3.32%。
两个通路级例子把机制讲清楚。自噬筛 1593 里，BioDiscovery 把非命中的 MTOR、AKT1 排到第 1 和第 16，AutoScreen 把 WIPI2、ATG2A、ATG9A 等自噬机器推到前 15。K562 白喉毒素筛里，BioDiscovery 停在神经节苷脂受体通路，AutoScreen 把 DPH1 到 DPH7 排到第 3 至 19。
湿实验走免疫逃逸。K562 表面组 CRISPRa 筛出 317 个显著基因后，Post-screen 把 MUC1 从 118 提到 5、PDPN 从 81 提到 44、LRRC15 从 1384 提到 659。三个基因各自三条 gRNA、三次重复，激活后都能提高对原代人 NK 细胞杀伤的抗性。A375 黑色素瘤筛上，CEACAM5 从 143 提到 38，CEACAM6 从 155 提到 26。
前瞻设计更硬。给系统两段从未见过筛数据的文字：B16F0-PMEL 黑色素瘤对细胞毒性 T 细胞、MC38-OT1 结肠癌对 OT-I。系统平均 35.54 分钟出库，人工专家大约 3 天。双方都在 3340 基因的聚焦库上各提名最多 500 个。ground truth 是 MAGeCK 与 Broad GPP 在 FDR<0.1 上的交集，分别 53 和 17 个。AutoScreen 收回 75.5% 和 82.4%（按命中数加权平均 77.1%），最强通用 LLM 基线约 71.4%，相对高约 8%。
另外用 Pre-screen 模式跑了 500 多份公开 CRISPR、RNA-seq 和 UK Biobank GWAS，做成 AutoScreen Resource Hub：538 份带证据的靶点报告，覆盖约 2.1 万篇文献、9.8 万次知识库查询。
给做 CRISPR 筛的实验室，这是一条能审计的库设计与命中重排流水线。每条排序能追到用了哪份 anti-hub、哪次 fusion、哪个知识库条目。推理后端可换，七个模型在 207 场共用筛上，ensemble 几乎都压过单组 hub 设置。
适用场景比较窄、也比较实在。全基因组筛太贵、原代细胞太少、组合扰动空间炸开的时候，用文字描述先缩到几百个基因，数字是撑得住的。Post-screen 模式适合已经做完筛、统计排名里夹着一堆说不清的命中、需要挑跟进对象的人。
相对增益是真的，绝对命中率仍然低：top-100 只收回 6.4% 的全基因组真命中。这是缩小库的工具，替代不了全基因组筛。
论文自己写得很清楚。知识库偏向被研究过的基因，稀有注释的生物学会被低估。benchmark 的 ground truth 就是原筛 top-100，奖励的是猜中前人已经叫出来的命中；大约 25% 的 AutoScreen 独有命中还没有大规模独立验证。湿实验只有三个基因，规模很小。
另外几处论文没按这个力度讨论。6.4% 对 5.4% 的相对 19%，换算成每场筛大约多 1 个 top-100 真命中，统计显著不等于实验室里差很多。LRRC15 提到 659 仍然很靠后，三个验证基因怎么挑出来的，文中没有预注册式说明。BioDiscovery Agent 本就是为小面板设计的，硬拉到 500 基因的对比对它不公平。系统内部默认也是 GPT-5.4，和裸模型比的是框架，不是更强的底座。斯坦福和普林斯顿已就这项工作申请专利。