Nat Biomed Eng | 贾大/薛宇/雷鹏团队开发AI生物学家XunZi（荀子），融合多组学与机制推理发现疾病新靶点|实验|科学|肯尼·雷鹏|荀子|薛宇|贾大

提出新的、依据充分且能够被实验检验的科学假设，是生物医学研究的核心环节，贯穿从解析人类疾病机制、发现治疗靶点，到指导治疗干预的全过程。然而，当前生物医学文献已达到数千万篇，转录组、蛋白质组和磷酸化组等多模态数据也在快速增长。面对来源分散、结构各异且相互关联的知识和数据，仅依靠人工阅读与分析，越来越难以实现全面而无偏的综合研判。

近年来，多模态大语言模型推动人工智能从被动回答问题的“助手”，逐渐转向能够分解任务、检索信息、调用工具并生成假设的AI智能体（AI agent）。当这类系统进一步参与文献整合、数据分析、实验规划和结果解释时，便开始呈现“AI科学家（AI scientist）”的特征。2026年，Nature发表的Co-Scientist【1】基于多模态大型语言模型Gemini构建多智能体AI系统，通过多个智能体之间的生成、批评和筛选扩大科学假设空间；Robin【2】则利用紧凑型推理模型OpenAI o4-mini来综合文献和生成假设，并利用混合推理模型Anthropic Claude 3.7 Sonnet来评估假设的优劣，从而形成实验反馈驱动的研究循环。两项工作展示了大语言模型驱动的多智能体系统在科学发现中的潜力。

但在生物医学领域，科学发现不仅需要从文献中进行逻辑推理，也需要直接读取大规模组学数据中的定量信号。大语言模型擅长整合文本知识，却可能产生“AI幻觉”，且难以直接理解复杂的多组学数据；传统计算模型能够识别高维数据中的隐藏模式，并给出概率分值，却往往缺乏透明、可实验检验的机制解释。如何将两类能力结合，是领域专用AI科学家需要解决的关键问题。

2026年8月4日，四川大学贾大教授团队联合华中科技大学薛宇教授团队和四川大学雷鹏教授团队，在Nature Biomedical Engineering发表题为XunZi, an AI biologist, reveals disease-modifying targets的研究论文。研究团队开发了AI生物学家XunZi（“荀子”），将生物医学逻辑推理与多模态数据融合相结合，把碎片化的知识和大规模组学数据转化为具有机制解释、可进一步实验验证的疾病靶点假设。

XunZi由两个功能互补的模块组成。XunZi-R以开源大语言模型Mistral 7B为基座，从约2441万篇生物医学文献、205万条结构化生物学语料及33万余条人工核验的基因—疾病机制语料中学习领域知识和推理模式；XunZi-M则通过图卷积网络整合约613TB多组学数据、约281万条蛋白质相互作用信息和约4.7万个生物过程注释。两个模块协同对特定疾病背景下的候选基因进行排序，并解释出可能涉及的下游基因、信号通路和作用机制。与主要依赖多智能体协作的Co-Scientist和强调实验反馈闭环的Robin不同，XunZi代表了一条融合多组学预测与机制推理的领域专用技术路线。

图1. XunZi总体研究框架。XunZi-R负责生物医学机制推理，XunZi-M负责融合多组学数据和生物学网络信息，两个模块协同筛选疾病调控因子。

为验证XunZi的应用能力，研究团队首先将其用于非小细胞肺癌，并从XunZi优先排序的候选基因中开展功能筛选，发现多个此前缺乏明确报道、但可能影响肺癌细胞生存的调控因子。其中，XunZi提出MYO1B可能通过PI3K-AKT和MAPK/ERK信号通路参与肺癌进展；后续实验显示，敲低MYO1B可同时降低AKT和ERK磷酸化，支持了模型提出的机制方向。这一结果说明，XunZi不仅能够提供候选基因排名，也能给出可直接进入实验验证的机制线索。

随后，研究团队将XunZi应用于帕金森病。通过整合两种帕金森病小鼠模型的转录组、蛋白质组和磷酸化组数据，XunZi不仅识别出LRRK2和PINK1等已知帕金森病相关激酶，还筛选出CHK2、IRAK4和STK33等候选调控因子。其中，CHK2在两种模型的黑质中均出现异常激活。进一步研究表明，降低Chk2表达或使用选择性Chk2抑制剂，均可改善小鼠运动障碍并减轻黑质多巴胺能神经元损伤，提示CHK2可能成为帕金森病的潜在干预靶点。XunZi还提出CHK2可能参与调控LRRK2相关信号；实验发现抑制CHK2可降低LRRK2活化，免疫共沉淀实验也支持CHK2与LRRK2在细胞内存在关联。

综上所述，该研究构建了融合逻辑推理与多模态数据分析的AI生物学家XunZi，并通过肺癌和帕金森病等研究表明，碎片化的生物医学知识与大规模组学数据可以被转化为可实验检验的疾病机制和治疗靶点假设。未来，领域专用模型可能进一步连接实时文献检索、证据核验、数据分析、实验设计及自动化实验平台，形成兼具机制推理、证据追溯和实验迭代能力的AI科学家。同时，AI提出的预测和机制仍必须经过严格实验验证，不能替代人类研究者的科学判断。

华中科技大学黄新荷、四川大学秦俊红和四川大学唐飞为该论文共同第一作者。四川大学贾大教授、华中科技大学薛宇教授和四川大学雷鹏教授为共同通讯作者。