2026-09-16
斯坦福把论文和代码收成MCP智能体。AlphaGenome新查询15/15全对，100篇计算生物学论文74篇做成智能体，300道教程题91.2%，高于直接读仓库的80.3%。
计算论文的方法往往锁在仓库里。读者要装环境、读 API、对齐输入输出，才能在自己的数据上跑一遍。AlphaGenome 这类基因组基础模型尤其明显：会用的人要先搞懂客户端对象、变异编码和多种输出模态。
可执行论文、Papers with Code、Binder 降低了复现门槛，但知识仍是静态的。斯坦福这篇 Nature 论文把论文改写成「虚拟通讯作者」：用户用自然语言提问，系统去调原论文的工具、数据和流程。
Paper2Agent 分两层。Paper2MCP 从论文和代码库抽出 MCP 服务器；外层再接到 Claude Code 这类聊天智能体。MCP 里三块：
流水线是多智能体。环境智能体配依赖，抽取智能体把方法收成函数，测试智能体对着教程数据和参考图做校验。数值允许 3% 浮点容差，对不上的工具最多修六轮，再失败就踢出最终服务器。全程用 Claude Sonnet 4。一个 MCP 可以远程挂在 Hugging Face Spaces，多个 MCP 也能接到同一个聊天智能体上。
评测对照是「Claude 直接看仓库写代码」（Claude + Repo）和通用科学智能体 Biomni。答案由两名人类专家按量规打分。
AlphaGenome 一次生成 22 个工具，约 45 分钟、14 美元，全部通过自动校验。15 道教程题 98.7±1.3%，15 道新查询 100.0±0.0%，压过 Claude + Repo 的 82.7%/78.7% 和 Biomni 的 37.3%/56.0%。30 道开放研究题 82.7±2.4%，Claude + Repo 56.7±2.3%，Biomni 72.2±2.2%。专家一致率 96.7%。教程题中位耗时相对后两者分别快 1.9 倍和 3.1 倍。
Scanpy 预处理与聚类抽出 7 个工具，约 45 分钟、13 美元。MCP prompt 会先看数据再按标准流程跑。在教程仓库以外的公开单细胞数据上，过滤后的细胞/基因数和人类操作对齐，并能按数据集改参数。
规模评测更关键。100 篇计算生物学论文无人工清理，74 篇做成智能体，提出 599 个工具、593 个通过校验。失败多半是缺可执行代码、缺数据或环境装不上。300 道教程题上 Paper2Agent + Sonnet 4 达到 91.2±1.6%，Claude + Repo 用 Sonnet 4 是 80.3±2.3%，换成 Sonnet 4.6 是 86.3±1.1%。单问约 0.20 美元、1.6 分钟，对照 0.38 美元、4.3 分钟。10 篇非生物学计算论文、42 道执行题 98.1±0.8%。26 篇偏发现、做不出工具的论文，只靠资源层在 100 道综合题上 89.0±3.1%，对照浏览器阅读 82.0±3.8%，成本约低 34 倍、速度快 15 倍。越界问题拒绝率 100%。
三个智能体协作看银屑病位点 rs887314：AlphaGenome 把 GPR137 排第一（CD4+ T 细胞 RNA-seq quantile 0.997）。再和 scCRISPRi、Perturb-seq 两个数据论文对齐，刺激 8 小时和 48 小时下 GPR137 敲低与 CRE 扰动签名相关（Spearman 0.613 和 0.630，FDR<0.05），静息态不显著（0.29，P=0.21）。这套跨实验相关并不是源论文提出的流程。
| 任务 | Paper2Agent | 最强对照 |
| AlphaGenome 新查询（15题） | 100.0±0.0% | Claude+Repo 78.7% |
| 100 篇计算生物学教程题 | 91.2±1.6% | Claude+Repo 80.3% |
| 非生物学执行题 | 98.1±0.8% | 论文未给对照表 |
| 发现类论文综合题 | 89.0±3.1% | 浏览器 82.0% |
对有代码、有教程的方法论文，这是一条能用的发布形态：读者不用克隆仓库就能提问、复现、换数据。多个 MCP 接到同一聊天窗口，方法论文和数据论文可以当场拼在一起。作者也把「一篇论文好不好做成智能体」当成可重复性的实用指标。
它不是通用科学家。开放题的分数量的是「有没有按参考流程跑对」，不是「生物学解释唯一正确」。银屑病例子里，策略候选由智能体提出，选哪条相关分析仍是人点的。
100 篇里仍有 26 篇做不成，缺代码、缺数据、环境死锁是主因。对抗性仓库漂移能修一批依赖和路径错误，修不了天生不完整的仓库。安全、知识产权和署名问题正文只点到，细节在补充材料。评测绑定 Claude 家族，换底座会不会掉同样幅度，没有独立复现。GPR137 结论建立在选定策略和有限基因上，作者自己也说开放科学推理必须人在环上。