Robin: A multi-agent system for automating scientific discovery

科学研究的进展依赖于背景研究、假设生成、实验验证和数据分析这一迭代过程。尽管近年来在将人工智能应用于科学发现方面取得了显著进展，但尚未有系统能够将所有这些阶段整合到单一的工作流程中实现自动化。在此，我们介绍了Robin——首个能够完全自动化科学过程关键智力步骤的多代理系统。通过将文献搜索代理与数据分析代理相结合，Robin可以生成假设、设计实验、解释实验结果，并生成更新后的假设，从而实现科学发现的半自主化方法。通过应用该系统，我们成功识别出一种针对干性年龄相关性黄斑变性（dAMD）的新疗法，而dAMD是发达国家致盲的主要原因。Robin提出以增强视网膜色素上皮细胞吞噬作用作为治疗策略，并筛选并验证了一种有潜力的治疗候选药物——利帕苏地尔（ripasudil）。利帕苏地尔是一种临床上使用的Rho激酶（ROCK）抑制剂，此前从未被提议用于治疗dAMD。为了阐明利帕苏地尔诱导吞噬作用上调的机制，Robin随后设计并分析了一项后续的RNA-seq实验，结果显示ABCA1（一种关键的脂质外排泵和可能的新靶点）的表达上调。本报告正文中的所有假设、实验计划、数据分析和数据图表均由Robin生成。作为首个在实验室循环框架内自主发现并验证新治疗候选药物的人工智能系统，Robin为AI驱动的科学发现确立了新的范式。

本论文试图解决干性年龄相关性黄斑变性（dAMD）的治疗问题，探索一种新的治疗方法以应对这一导致发达国家失明的主要原因。这是一个具有挑战性的医学问题，目前尚无有效疗法。

论文提出了一种名为Robin的多智能体系统，该系统能够自动化科学发现的关键步骤，包括文献检索、假设生成、实验设计、数据分析和结果解释。通过整合背景研究与数据驱动分析，Robin实现了从假设到验证的闭环流程，这是现有AI工具尚未完全实现的功能。

1. Robin首次成功自主发现了ripasudil作为dAMD潜在治疗药物，并通过实验验证了其有效性；2. 系统还进一步揭示了ripasudil的作用机制，涉及ABCA1基因的上调；3. 所有假设、实验计划和数据分析均由AI完成，体现了高度自动化的能力；4. 论文未提及代码开源情况，但提出的‘实验室循环’框架为未来研究提供了方向。

近期相关研究包括：1. AlphaFold团队利用深度学习预测蛋白质结构，推动药物研发；2. DeepMind发表的关于使用强化学习优化化学反应路径的工作；3. IBM Research开发的RoboRXN平台，用于自动化化学合成与实验设计；4. 题为《Automated Science via Bayesian Optimization》的论文探讨了贝叶斯优化在实验设计中的应用。