将 AI agent 锚定在生物现实
来自 Google Research · 期号 2026-10-17
摘要
Google Research 正在把 AI agent 带到湿实验台前。 他们发布了 VERID 框架，本质是实验室的数字孪生：一个实时追踪机械臂位置、孔板液量、枪头库存的 3D 实体树。agent 生成的代码先在这里做虚拟干跑，碰撞、空孔、物理上不可能的移液操作都会被拦截，通过后才发给机器人执行。 在适配体（aptamer）实验中，agent 在 3 轮设计-测试-迭代循环里学会了识别湿实验的失败模式。α-凝血酶靶点第一轮命中率为 0%，因为引物序列破坏了折叠；agent 在第二轮引入夹紧茎结构后，命中率升至 26.0%，第三轮进一步达到 42.1%。肌红蛋白靶点则出现了 G-四链体非特异性粘附的陷阱，agent 从第二轮数据中自主识别出这个假象，第三轮通过限制混杂基序、减去磁珠背景，将特异性从 19.1% 恢复至 72.4%，命中率飙升 9 倍。 在从头设计蛋白结合剂时，他们用手术式表位切除将结构预测加速 8.6 倍，最终在 FAP 靶点上发现了个位数纳摩尔级的结合剂——这是通常需要多轮实验室优化才能达到的强度。 所有设计序列都经过生物安全筛查，agent 代码先模拟后执行，人类直接授权每轮实验方案。