博文

Prompt-to-Paper：生物信息学中的智能体AI系统

已有 270 次阅读 2026-7-25 21:25 |个人分类:科普|系统分类:科普集锦

Prompt-to-Paper：生物信息学中的智能体AI系统

人类跟上科学文献的能力已被超越。发表的论文数量不断增长，研究人员已经无法追踪该领域。这种数量上的压力导致了可衡量的质量下降，以及可重复性和验证方面持续存在的问题。随着撤稿和更正的增加，科学体系面临一场它已无法可靠自我纠正的诚信危机。

人工智能改变了科学写作的过程，但这一转变带来了一个尚未解决的挑战：如何当我们已经难以验证人类撰写的论文时，我们是否还要验证自动生成的论文？真正的问题是，AI 是否能撰写论文，而不是它撰写的论文是否真正优秀并能填补真正的科学空白。

影响开始显现。2024 年 2 月发表的一篇关于精原干细胞的研究论文尽管存在对 AI 生成内容的担忧，但仍通过了评审流程，但随后被撤回。类似地，Sakana AI 的自动化创意生成、实验、论文写作和同行评审系统通过了真实研讨会初评阶段，但作者指出存在虚构引用、创新性不足、实验错误和可重复性差等问题。这两个案例有一个共同点：评估 AI 生成的科学论文的质量、有效性和可发表性仍然是一个尚未解决的重大挑战。

Kamran等人提出“Prompt-to-Paper：面向生物信息学的智能AI系统”（图1，https://github.com/Ramshakk/Prompt-to-Paper-Agentic-AI-System-for-Bioinformatics），这是一个多智能体框架，通过以下方式弥补了这一差距：

• 基于60–100篇经过验证的真实论文的确定性RAG检索；

• 一个自主编码代理，可执行真实实验，并将验证过的数值结果注入每篇稿件的各个部分；

• 八维自动质量评分系统，包含幻觉惩罚机制；

• 一个富含语境的迭代优化循环，结合深度研究周期，使质量提升持续超越文本润色阶段。

图1 RLEv4 的评估架构。该三层混合评分机制结合了 DeepSeek-v4-Pro 的 G-Eval 评估结果（第一层，占比 55%）、语料库实体网络指标（第二层，占比 25%）以及各种启发式特征（第三层，占比 20%）。此外，还通过一种确定性机制来评估模型的“合理性”和“准确性”，并将这些评估结果作为惩罚因素，最终得出 0-100 分的综合评分

参考文献

[1] Kamran R, Amjad M, Mustansar Z, et al. Prompt-to-Paper: Agentic AI System for Bioinformatics[J]. arXiv preprint arXiv:2607.05456, 2026. https://doi.org/10.48550/arXiv.2607.05456

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC