FROM MULTIOMICS TO CONTINUOUS SCIENTIFIC DISCOVERY
从多组学靶点发现
到持续自主科研
Agent 系统
From Multiomics Target Discovery
to a Continuous Autonomous Research Agent System
以“逆转慢性肾病早期肾纤维化”为贯穿案例。
从一个可验证的生物学问题出发，构建能够持续积累证据、推进实验、修正判断的科研过程。
OVERVIEW / 问题、证据与研究过程
文档定位
第一部分面向纯生物学背景研究人员，用真实肾脏多组学研究说明如何寻找、筛选和验证治疗靶点；第二部分面向研发团队，提出可长期运行、可验证、可迭代的统一科研 Agent 架构。
版本：讨论稿 v1.0
资料检索及核对日期：2026年11月10日
说明：文中“逆转”是待验证科研目标，不表示已有药物在人类CKD中可靠实现肾脏瘢痕逆转。
执行摘要
核心科学问题：慢性肾病早期，一部分肾小管细胞在损伤后不能完成正常修复，转而持续产生炎症和促纤维化信号。多组学能帮助我们找到发生异常的细胞、分子和可能的调控机制；但要证明治疗靶点有效，仍必须通过扰动实验和严格的“既有纤维化净消退”设计完成验证。
核心工程问题：自主科研不是让大模型不停推理，也不是固定配置大量Agent。理想系统应以长期科学目标为中心，把研究图、证据库、可靠任务调度、专业Agent、可重复计算和湿实验反馈连接起来。
两句话概括
多组学帮助我们更有依据地选择验证对象；持续科研 Agent 系统帮助我们把“发现—验证—修正—再发现”变成一个可长期积累、不会因会话结束而丢失成果的工作过程。
阅读导航
按正文实际章节编号导航，点击标题跳转。
PART I / FROM MULTIOMICS TO TARGETS
第一部分｜用多组学寻找治疗靶点：以早期肾纤维化逆转为例
面向生物学研究人员 · 以早期肾纤维化逆转为贯穿案例
从一个生物学问题开始：什么才叫治疗靶点？
假设一位慢性肾病患者已经出现轻度肾小管间质纤维化，但肾功能尚未明显下降。我们希望寻找一个分子：在足够早的时间干预它，可以让异常修复停止，最好使已存在的少量瘢痕减少，并恢复更多正常肾组织功能。
检测肾组织后，可能发现数千个基因、数百个蛋白和多条信号通路发生变化。但“变化很大”并不意味着“适合作为药物靶点”。有些变化是损伤原因，有些是损伤结果，还有些是机体保护性反应。
| 概念 | 生物学含义 | 为什么需要区分 |
|---|---|---|
| 疾病标志物 | 能报告疾病状态，例如某蛋白升高 | 不一定参与致病，抑制可能无益 |
| 疾病驱动因子 | 参与启动或维持病理过程 | 更值得做因果干预 |
| 候选药物靶点 | 干预后可能获益，且有可成药性与安全窗口 | 既要求作用方向，也要求疗效与安全证据 |
给纯生物研究者的关键概念
多组学不是把差异基因取交集后找“最显著的那个”；它的价值是从不同观察层次重建疾病过程，再用功能实验识别真正值得干预的分子。
六类信息怎样拼出一条证据链？
| 研究层次 | 主要回答的问题 | 在肾纤维化案例中的用途 |
|---|---|---|
| 基因组 / 遗传学 | 哪些遗传变化影响患病风险或分子调控？ | 提供较靠近病因的支持；辅助区分原因与结果 |
| 转录组 | 哪些细胞中的基因表达发生变化？ | 发现损伤、炎症、不良修复的表达程序 |
| 表观组（ATAC等） | 哪些调控区域开放，哪些转录因子活跃？ | 寻找驱动异常细胞状态的调控网络 |
| 蛋白组 / 磷酸化组 | 蛋白丰度和信号活性是否改变？ | 补充RNA之外的功能层证据 |
| 单细胞 / 单核组学 | 异常发生在哪些具体细胞及亚群？ | 区分可修复肾小管与持续促炎肾小管 |
| 空间组学 | 异常细胞位于何处、附近有哪些细胞？ | 识别纤维化病灶中的局部细胞通讯 |
注意：单细胞和空间技术是观察分辨率/取样维度，可以测RNA或蛋白，并不与“转录组、蛋白组”完全平行。代谢组也可能帮助辨认损伤修复中的代谢重编程，但不是每项研究都必须做全套组学。
真实研究：不良修复肾小管可能推动纤维化
2025年《Nature Communications》发表“Multiomic analysis of human kidney disease identifies a tractable inflammatory and pro-fibrotic tubular cell phenotype”[2]。研究者整合人肾单核RNA与ATAC测序、空间分子成像及免疫荧光，发现受损近端肾小管中有一个亚群进入持续促炎、促纤维化状态。
这个亚群具有HAVCR1、VCAM1等损伤相关特征，其中部分细胞进一步表达ICAM1及多种炎症、促纤维化分子；空间分析发现VCAM1⁺ICAM1⁺细胞富集于纤维化微环境。研究还提示HNF4A相关正常细胞状态减弱，NF-κB与AP-1转录调控增强。
这一结果的重要性在于：治疗干预点可能前移到“异常修复的细胞状态”，而不只是晚期抑制胶原合成。它将病灶相关细胞、上游调控网络和细胞间信号联系起来，给出了可供实验检验的机制假设。
| 论文中的主要证据 | 能够支持的结论 | 尚不能直接证明 |
|---|---|---|
| 单核RNA/ATAC | 存在异常肾小管亚群及调控改变 | 该变化就是疾病的唯一驱动因素 |
| 空间分子成像 | 异常细胞位于纤维化病灶附近 | 细胞相邻就一定存在因果通讯 |
| 转录因子/信号分析 | AP-1、NF-κB等可能参与维持异常状态 | 抑制该通路长期治疗必然安全 |
| 小鼠AP-1抑制剂与其他干预 | 动物模型中炎症与纤维化指标减轻 | 在人类CKD中已形成瘢痕可可靠逆转 |
研究中使用AP-1抑制剂T-5224等干预，在小鼠肾损伤模型里观察到纤维化减轻。这是重要的可干预性证据，但不能把它直接称为临床“逆转肾纤维化”证据。[2]
人肾组学原始数据示例：GSE254185（单核RNA+ATAC）；空间数据GSE282059。不同队列和实验需检查是否真正独立。[3][4]
真正困难的是：如何证明“逆转”？
对这个课题，必须在研究设计时就区分三个终点：①减缓进展，治疗组比未治疗组纤维化更少；②阻止新纤维化形成；③已形成的胶原发生净消退，并伴随细胞状态、组织结构或功能改善。第三种才是“逆转”。
| 假设胶原指标（教学示例） | 治疗开始前 | 研究终点 | 能够得出的结论 |
|---|---|---|---|
| 未治疗 | 20 | 35 | 疾病继续进展 |
| 治疗方案A | 20 | 25 | 减缓进展，不能叫逆转 |
| 治疗方案B | 20 | 12 | 提示净消退；仍需独立确认 |
以上数字是说明逻辑的假设值，并非文献实测。动物实验应在明确已有纤维化的时点随机开始治疗，并包含治疗前基线取材组、同期未治疗组及治疗组；最好用病理染色、羟脯氨酸/胶原定量及功能指标多种方法交叉验证。
同时要避免两类误判：一是仅看α-SMA、COL1A1等表达下降就宣称瘢痕消失；二是模型原有损伤刺激解除后自然恢复，却把自发恢复全部归因于药物。
临床定位也应准确：现有RAS抑制剂、SGLT2抑制剂等在适用患者中已具有延缓CKD进展的治疗价值。这里追求的是在规范治疗基础上新增“组织结构恢复”能力，而非将现有治疗概括为单纯缓解症状。[1]
一条适合科研团队的五阶段路线
- 明确患者群体与终点：先选择一种病因相对清楚的CKD亚型（如IgA肾病，或另一可获得合规样本的队列），限定早期轻度纤维化，约定病理、分子与功能终点。CKD病因异质性不能忽略。
- 公开数据发现：复现人肾单细胞、ATAC与空间组学结果，重点比较正常修复、不良修复的肾小管细胞，提出候选调控分子及细胞通讯机制。
- 证据交叉验证：使用独立疾病队列、遗传学、蛋白/药理信息及已发表扰动研究过滤候选。建立支持与反对证据，并严格标记来源重叠。
- 细胞/组织模型的因果实验：用CRISPR、过表达、药理抑制/激活和恢复实验，验证是否能推动异常细胞重新进入更正常的状态，检查对成纤维细胞的影响。
- 动物与转化验证：在已有纤维化后开始治疗，检查胶原净消退、组织结构和功能改善，并评估药物可成药性、安全窗口及跨病因稳健性。
候选靶点的最低证据卡
每个候选都应记录：目标细胞与作用方向｜人类疾病证据｜独立性｜因果实验｜纤维化逆转证据｜可成药性与安全风险｜未解决问题｜下一项最有信息价值的实验。
这一课题第一阶段真正需要交付什么？
不是一份“十大差异基因排行榜”，而是：可复现的人肾多组学分析流程；5—10个有证据链的候选靶点；每个靶点的支持/反对证据及因果推断局限；2—3个可预注册的细胞或动物扰动实验；以及明确定义的“逆转”判定规则。
如果团队暂时缺少自建实验条件，可以先用公开数据和计算验证完成第一轮。真正涉及人体样本、动物实验和临床实施时，应按伦理审批、数据授权及实验安全要求开展。
PART II / BUILDING THE RESEARCH SYSTEM
第二部分｜应该开发怎样的持续自主科研 Agent 系统？
面向科研系统研发团队 · 从持久状态到真实实验反馈
为什么已有系统还不能直接满足全部要求？
过去两年的科研Agent项目已经证明，AI能够做文献分析、组学执行、科学假设生成，甚至参与真实生物实验。但这些项目往往专注于一个阶段：有的擅长产生假设，有的擅长使用科研工具，有的擅长管理长周期状态，有的擅长硬件执行。
对于“持续研究早期肾纤维化逆转”这样的课题，我们需要的是从问题提出、数据积累、假设竞争、计算复现、实验设计、数据回流到再次决策的一条完整链。当前公开系统没有一个在可独立部署、成熟验证、疾病专用推理、长期任务可靠性和真实湿实验闭环等方面同时完全满足这些要求。
| 系统（代表） | 突出优势 | 不足或使用边界 |
|---|---|---|
| FOREST | 持久Research Graph；假设、证据和决策关联 | 较新项目；长期稳定性与生物医学适配须验证 |
| Kosmos | 长程代码Agent；共享文件系统；弹性沙箱 | 商业平台，核心运行时与调度细节未完整开源 |
| ResearchOS | 持久数据库、Supervisor、队列和在线干预 | 工程原型较新；对科研计算和验证深度有限 |
| Google Co-Scientist | 假设竞争、反思、Elo排名与进化 | 侧重假设搜索；完整系统不开源 |
| AI Scientist-v2 | 执行反馈树搜索、并行计算实验 | 主要面向可计算实验，不等同生物因果验证 |
| Biomni | 大量专业工具的统一发现与执行 | 工具执行不等于长期状态与科学结论可靠 |
| BioMaster | Plan/Execute/Debug/Check；强制关卡 | 论文版本与v2预览版不能混用性能结论 |
| Medea | 跨组学治疗靶点推理与文献证据审查 | 不是独立的长期科研操作系统 |
| Paper2Agent | 把论文方法变为Skills/MCP并测试 | 依赖可用代码和可复现环境 |
| Robin | 真实实验结果驱动后续假设 | 部分能力依赖Edison；实验执行仍靠外部人员 |
| AutoDNA | AI实验规划与设备调度分层 | 侧重核酸自动实验；对硬件有较强依赖 |
| VERID | 数字孪生、设备物理状态与安全检查 | 研究原型；完整部署细节未全面公开 |
这些优势可以互补，但不应该简单把12套框架堆叠运行。多套Supervisor容易相互覆盖决策，多套状态存储易产生版本冲突；专业算法只在需要的时候以工具或受控研究服务形式接入。
理想系统的定义：持续研究，而不是不停生成文字
系统的顶层目标
围绕明确的科学问题，在数周到数月的研究过程中持续积累可验证的知识；能够自己提出任务、调用计算能力、发现错误、根据新论文或实验结果重新规划，并在人类审批边界内推动下一轮实验。
“持续”不要求LLM 24小时不停思考。更合理的是事件驱动：新论文发表、新数据集到达、某项计算完成或实验结果返回时，系统被唤醒并重新评估研究图；没有有效新任务就等待，避免无意义的Token消耗。
统一架构：六层职责分离
- 01Goal Contract目标、证伪标准与研究边界
- 02State & Evidence研究图、证据溯源与版本
- 03Orchestrator事件唤醒、调度与恢复
- 04Agents提出假设、分支探索与独立质疑
- 05Tools & Compute可复现计算、隔离沙箱与验证
- 06Experiment Loop人工审批、实验执行与质量控制
↳ 新论文 / 新数据 / 实验结果 → 更新研究图与证据 → 重新规划下一轮任务
| 层级 | 核心职责 | 主要借鉴 |
|---|---|---|
| 1. Goal Contract | 保存科学问题、成功/证伪标准、预算、研究边界和审批规则 | FOREST |
| 2. Research State & Evidence | 持久假设图、证据溯源、队列与分析版本、失败记录 | FOREST、ResearchOS |
| 3. Orchestrator | 任务依赖、优先级、并发、重试、超时、事件触发及恢复 | ResearchOS、Co-Scientist、AI Scientist-v2 |
| 4. Agents | 跨证据科研推理、分支探索、独立质疑、实验设计 | Codex、Medea、Biomni |
| 5. Tools & Compute | Skills、MCP/API、组学工作流、沙箱、测试和审计 | Paper2Agent、BioMaster、Kosmos |
| 6. Experiment Loop | 实验计划审批、执行记录、质控、新数据回流 | Robin、AutoDNA、VERID |
Agent、Subagent、Skill、MCP应该各司其职
| 机制 | 应该做什么 | 不应该承担什么 |
|---|---|---|
| Agent / Subagent | 提出假设、选择方法、独立审查与任务分工 | 代替确定性大规模统计计算 |
| Skill | 固定研究方法、检查标准、分析步骤和知识 | 独立承担长期目标与调度 |
| MCP / API | 连接科研数据、数据库和外部执行服务 | 凭空保证工具执行及科学结论正确 |
| 计算工作流 | 可复现执行Scanpy、R、统计分析、图像处理 | 自主判断科学目标或宣称因果 |
| Supervisor | 根据任务和证据变化调度资源、触发审批 | 代替所有专业Agent进行科学推理 |
可以直接使用Codex的主Agent和Subagent完成研究工作。区别在于：Codex负责有边界的研究执行，而长期任务、证据版本和跨实验周期的进度由外部持久化系统管理；不必重新开发一套底层Agent通信框架。
Agent的“角色种类”与“执行实例数量”要分开管理。多条独立机制可并行探索；重复的组学计算由传统程序批处理；实验验证成本高时应缩小候选数量。可按照任务独立性、预期信息增益、验证成本和预算动态调整并发。
最关键的资产是研究图、证据与执行记录
建议把科研数据建模为结构化对象，而不是只保留聊天内容：GoalContract、Hypothesis、Evidence、Dataset、AnalysisRun、CandidateTarget、ExperimentPlan、AssayRun、Decision。
每个结论必须绑定来源数据、具体队列、输入校验和、代码/容器版本、参数、统计方法和执行时间；如果上游分析更改，应自动把依赖它的结论标记为“需要复查”。
必须区分三个状态机：计算任务的queued/running/checked/failed；科学假设的proposed/supported/contradicted/inconclusive；真实实验的planned/approved/executed/QC/accepted。计算成功不代表科学结论成立，实验失败不代表科学假设错误。
可靠运行：三层基础设施与五道验证关卡
系统基础设施建议分为三个独立部分：①任务状态和事务数据库（PostgreSQL）；②不可变研究数据与计算产物（对象存储，必要时经共享文件系统挂载）；③可恢复工作流与计算沙箱（如Temporal等工作流引擎、容器和批处理系统）。此处是拟议技术选择，不表示Kosmos或其他系统必然采用完全相同实现。
| 必须具备的验证关卡 | 防止的关键错误 |
|---|---|
| 数据准入 | 患者身份/队列重复、病因与分组不明、样本元数据缺失 |
| 计算可复现 | 工具版本漂移、参数不一致、遗漏批次、代码失败 |
| 统计有效性 | 伪重复、未处理混杂、多重检验、数据泄漏 |
| 生物学与因果证据 | 相邻细胞推成因果、差异表达推成靶点、反证未考虑 |
| 逆转终点与实验合规 | 把减缓当逆转、缺基线、脱靶/毒性、未经批准实验 |
安全方面，LLM生成代码必须在隔离沙箱运行，最小权限访问数据和网络；接入病人样本与临床数据要有合规授权和访问审计；需要真实湿实验的高成本、高风险操作必须经过人工批准。
将本课题做成第一套可运行的MVP
| 阶段 | 目标 | 验收产物 |
|---|---|---|
| MVP-1：可重复发现 | 从公开人肾单细胞/空间数据出发，复现已知促纤维化细胞状态 | 版本化数据、分析脚本、结果图、质量检查 |
| MVP-2：持续证据推理 | 自动生成候选靶点、进行独立证据审查、保存可修改的研究图 | 5—10张靶点证据卡；支持/反证；跨会话恢复 |
| MVP-3：实验反馈闭环 | 为2—3个靶点制定逆转实验；导入模拟或真实实验结果，更新优先级 | 可审计实验方案；审批；QC；自动重评估 |
首轮可以把GSE254185作为分析入口，用GSE282059辅助空间研究，并尝试使用KPMP等独立人肾资源交叉验证。[3][4][5] 研究系统应首先复现已知结论，再寻找新候选；如果连已知结果都复现不了，不应直接把生成的新机制交给湿实验团队。
判断系统是否真正比普通Codex协作更强
- 同一分析在指定环境内能复现，且最终结论能追溯到每一步数据和代码。
- 强制中断执行Agent或容器后，系统能恢复或安全重做，不把半成品当最终结果。
- 修改一个上游数据集后，依赖它的分析与候选靶点评分能正确标记为过期。
- 多个Agent引用相同患者队列时，系统不会把它们错误计为多条独立人体证据。
- 新的论文或实验结果进入后，系统能说明哪些假设增强、削弱或被否定，下一步实验为何改变。
- 既有纤维化是否“净消退”的判定，不允许被低质量表达指标替代。
研发取舍与最终建议
不建议：一开始堆满12种专业Agent；让大模型自由执行无限期研究；用Agent对话代替计算日志；用论文描述当作验证证据；让LLM直接控制低层实验设备。
建议：先以Codex/现有模型作为灵活研究执行层；自建科研目标、证据和任务状态；逐步接入Medea/Biomni等专业服务、Paper2Agent工具资产化、BioMaster式质量关卡；待实验闭环跑通后，再研究AutoDNA/VERID式设备执行。
最终设计原则
少量稳定的职责 + 大量按需启动的工作实例 + 结构化科研证据 + 确定性计算与验证 + 可人工介入的真实实验闭环。系统真正需要长期存在的是科学目标和证据，而不是某一个Agent的对话上下文。
REFERENCE / 2026.11.10
附录｜主要参考资料与项目入口
以下为本报告引用的主要论文、官方资源与公开仓库。项目的开源许可、产品能力和代码结构可能变化，实施前应重新核实。
- [1] KDIGO 2024 CKD临床实践指南（Executive Summary）
- [2] Reck et al. 2025, Nature Communications：人肾促纤维化肾小管细胞多组学
- [3] GEO GSE254185：人肾单核RNA和ATAC数据
- [4] GEO GSE282059：人肾空间转录组数据
- [5] Kidney Precision Medicine Project（KPMP）组织图谱
- [6] FOREST：长期科研状态与研究图
- [7] Edison Scientific：How We Built Kosmos
- [8] ResearchOS：持久Supervisor研究工作台
- [9] Google Co-Scientist，Nature 2026
- [10] Sakana AI Scientist-v2
- [11] Biomni：通用生物医学科研Agent
- [12] BioMaster：自动化生信分析工作流
- [13] Medea：跨生物学背景的治疗靶点推理
- [14] Paper2Agent，Nature 2026
- [15] Robin，Nature 2026
- [16] AutoDNA，Nature 2026
- [17] Google VERID技术说明
系统真正需要长期存在的，
是科学目标和证据。