The Virtual Lab of AI agents designs new SARS-CoV-2 nanobodies
这是什么
自动科研系统这一路的东西大多停在「跑 benchmark、写论文草稿」,产出物无法离开计算机。Virtual Lab 想回答的是另一个问题:如果让 LLM agent 真的去做一个有湿实验终点的课题,分工该怎么切?它给出的答案不是全自动,而是明确保留人类 PI:人定研究方向、开会时提议程、在关键节点把关,agent 负责跨学科讨论、选工具、写代码、出设计。
系统本身只有两种交互原语。team meeting 是人类抛出一个 agenda,一队角色不同的 agent(免疫学家、机器学习专家、计算生物学家一类)围绕它轮流发言,最后收敛成决定;individual meeting 是人类和单个 agent 一对一解决某个具体任务(比如写一个打分脚本)。整个纳米抗体项目就是把这两种会议按阶段串起来跑完的。
落地任务是给 SARS-CoV-2 的一个较新变异株设计纳米抗体。agent 自己决定了走「改造已知抗体」而不是从头生成,选定 ESM、AlphaFold-Multimer、Rosetta 三个工具组成迭代打分流程,最终交出 92 条序列,由 Chan Zuckerberg Biohub 一侧做实验测定。论文 2024-11 先上 bioRxiv(10.1101/2024.11.11.623004),2025 年发 Nature。
机制与做法
两种会议原语,阶段化推进
README 把机制讲得很干净:只有 team meeting(全体 agent 讨论人类提出的 agenda)和 individual meeting(人类与单个 agent 解决具体任务)两种。没有复杂的调度器、没有黑板式共享内存,复杂度全部压在「人类怎么切分 agenda」上。
仓库 nanobody_design/discussions/ 下有 12 个子目录,基本对应项目的实际阶段:project_specification(定课题)、team_selection(组队)、tools_selection(选工具)、workflow_design(设计流程)、implementation_agent_selection、然后是 esm / alphafold / rosetta 三个工具各自的实现讨论,外加 unpaired_cysteine(处理游离半胱氨酸这个具体的分子问题)、finetuning、human_eval、ablations。也就是说「选题—组队—选工具—设流程—写代码」这五步是显式分开开会的,不是一个 prompt 打包。
figures/virtual_lab_analysis/ 下有按阶段统计 agent 发言量的图(project_specification / team_selection / tools_selection / workflow_design / implementation_agent_selection / esm / alphafold / rosetta 各一份 words_written,再加一份 total),说明作者自己也在量化「哪个阶段 agent 说了多少话」,而不是只报最终结果。
agent 自己拼出来的打分流程
计算流程是三个信号的组合,这点能从 figures/nanobody_analysis/ 的文件名直接反推出来:esm_llr(ESM 给出的突变 log-likelihood ratio,衡量序列本身是否合理)、af_iplddt(AlphaFold-Multimer 的界面 pLDDT,衡量复合物界面预测置信度)、rs_dg(Rosetta 算的结合自由能 ΔG),最后合成一个 weighted_score。
起点是 4 个已知的抗 SARS-CoV-2 纳米抗体:H11-D4、Nb21、Ty1、VHH-72 —— experimental_data/ 下正好是这四个的 .txt 加一份 platemap.csv,figures/nanobody_analysis/ 也是这 4 个亲本 × 5 类图 = 20 份 PDF。README 说共设计 92 条,按四个亲本平摊是每个 23 条,和「每个亲本跑若干轮迭代突变」的做法对得上。
文件名里同时有 rounds_* 和 final_* 两套图(如 Ty1_rounds_esm_llr 与 Ty1_final_esm_llr),说明流程是多轮迭代:每轮在上一轮的基础上加突变、重新打分,最后从所有轮次里挑出终选序列。
为复现留下的东西
这个仓库比同类工作舍得放料。discussions/ 下约 2000 个文件条目就是逐场会议的完整记录(不是摘要),意味着「agent 说了什么、怎么做出决定」是可以逐条回读的 —— 对想研究 agent 决策质量的人,这批 transcript 本身比论文更有价值。
另外有 requirements_nanobody_design_frozen.txt(冻结依赖版本)、install_localcolabfold.sh(本地跑 AlphaFold 的安装脚本)、ablations.ipynb、human_eval.ipynb、finetune_agents.ipynb,以及一个单独的 run_nanobody_design_reviews.ipynb —— 后者提示流程里有一个「评审/批评」环节的变体实验,即让某个 agent 专门挑刺,再对比有没有它的差别。做了消融和人工评估,这在 agent 系统论文里不算常规操作。
关键结果
- 共设计 92 条纳米抗体序列并送湿实验验证(README 原话是 "92 nanobodies that were experimentally validated"),起点是 4 个已知亲本 H11-D4、Nb21、Ty1、VHH-72。
- 打分由三个信号加权合成:ESM 的突变 log-likelihood ratio、AlphaFold-Multimer 的界面 pLDDT、Rosetta 的结合自由能 ΔG(见 figures/nanobody_analysis/ 下 esm_llr / af_iplddt / rs_dg / weighted_score 四类文件名)。
- 项目按 12 个阶段显式开会,discussions/ 下约 2000 个文件条目为逐场会议原始记录,含 project_specification、team_selection、tools_selection、workflow_design 等。
- 系统只有两种交互原语:team meeting(多 agent 讨论人类给的 agenda)与 individual meeting(人类对单个 agent),没有额外的调度机制。
- 仓库做了消融与人工评估(ablations.ipynb、human_eval.ipynb),并有一个带评审环节的变体 run_nanobody_design_reviews.ipynb;discussions/ 下也有对应的 ablations、human_eval、finetuning 目录。
- 工程状态:zou-group/virtual-lab,728 star,MIT,2024-08-26 建仓,最后推送 2025-12-31,未归档,可 pip install virtual-lab(数据来自本地 meta.json 快照)。
- 论文 2024-11 上 bioRxiv(10.1101/2024.11.11.623004),2025 年发 Nature(10.1038/s41586-025-09442-9),作者 Swanson, Wu, Bulaong 等,Stanford Zou 组 + Chan Zuckerberg Biohub。
实证核查
与我们方向的关系
这篇对课题组最直接的价值不是纳米抗体,而是那套分工的切法。它没有追求「全自动科研」,而是把人类锁定在几个高杠杆位置:定课题、提 agenda、选/否决方案、把关送实验的最终名单;agent 负责跨学科讨论、把方案落成代码。整个系统只有 team meeting 和 individual meeting 两种原语,复杂度不在框架里而在人怎么切分议程 —— 如果课题组要设计人机协同流程,这是比多数「多 agent 框架」更值得抄的骨架:先把阶段切清楚(选题/组队/选工具/设流程/实现),每个阶段单独开一场会,而不是一个长 prompt 兜到底。
另一个可借鉴点是它把「agent 选工具」和「agent 写代码」分开成了两个阶段(tools_selection 与 implementation_agent_selection / esm+alphafold+rosetta 三个实现目录)。选工具是科学判断,写代码是工程执行,混在一起时 agent 容易为了好实现而选错工具。此外 discussions/ 里那约 2000 份会议记录是现成的研究素材:想做 agent 讨论质量分析、想看真实科研 agenda 下 agent 会在哪里跑偏、想给自己的系统找 few-shot 例子,这批 transcript 比再造一批数据便宜得多,建议直接拉下来当数据集用。