AI科学家系统CellForge自主设计并验证虚拟细胞模型，性能媲美人工专家

耶鲁大学等机构的研究团队发布了CellForge v3版本，展示了一个由自主智能体组成的团队能够完成从假设到验证的完整科学研究循环。该系统针对单细胞扰动建模这一复杂任务，无需人类指定架构、损失函数或训练协议，即可端到端地生成可执行的模型假设和架构。

CellForge的核心创新在于“架构即假设”。它通过数据建模、单细胞生物学和深度学习三个领域的专家智能体进行批评式讨论，共同制定模型假设，随后编写训练代码、运行实验并返回包含架构、代码和验证结果的预测器。在涵盖转录组、表观基因组和蛋白质组的六个扰动数据集上，CellForge生成的模型与手工设计的最新技术（SOTA）结果相当，并将同一工作流扩展到配对的多组学读数。

盲测的人类评估者认为，CellForge的研究计划在科学严谨性和创新性方面优于单一大型语言模型或深度研究系统。例如，在药物扰动任务中，CellForge将Pearson相关系数提高了20%；在稀疏且高维的scATAC-seq数据集上，其在差异表达基因上的Pearson相关系数比第二好的基线高出约16倍。

该研究证明了人工智能可以在需要跨学科专业知识的复杂设置中有效地构建另一个AI。然而，目前的结果基于单次运行，且每个数据集仅产生一个架构实例，表明这是一个存在性证明，而非最佳设计的保证。