一个只存在于想象中的未来企业是什么样的？机械与智能体有条不紊地自行运转，持续朝既定目标努力。这种名为"Virtual Biotech"的先进 AI 系统，已于 2026 年 9 月 17 日在《Science》期刊发表。
斯坦福大学研究团队搭建了一套模拟生物科技公司研发组织的多智能体 AI 框架。该系统让不同的 AI 智能体分别承担靶点发现、安全评估、治疗方式选择和临床开发等工作，并由一名虚拟首席科学官（CSO）统筹全局。
论文链接：https://www.science.org/doi/10.1126/science.aeg6779
Virtual Biotech：重构药物研发流程
药物研发长期面临靶点验证需跨模态整合人类遗传学、功能基因组学等多源证据的挑战，且数据分散、人工处理困难。Virtual Biotech 按真实药企架构组织 AI：系统包含四个研究部门和 11 个主要智能体，底层语言模型采用 Claude Sonnet 4.5，战略简报和科学审查智能体则使用 Claude Haiku 4.5。通过 MCP 服务器连接生物医学数据库、代码执行环境和分析工具，实现语言模型对数据与计算资源的直接调用。
图 1：Virtual Biotech 智能体、工具及编排流程概述。
数据整理：大规模并行处理
在临床试验数据整理环节，Virtual Biotech 展现了惊人的并行处理能力。系统首先设计数据提取规则，随后针对 37,075 项临床试验编号，同时启动同等数量的智能体实例进行并行处理。每个智能体独立负责一项试验，检索 ClinicalTrials.gov、PubMed 及相关监管公告，并记录信息来源。
图 2：利用 Virtual Biotech 进行大规模临床试验数据提取。
这种架构使 37,075 项 II、III 期试验在 6 小时内完成处理，相较单一智能体估算所需的 76.6 天，效率提升约 184 倍。最终，团队获得了覆盖 55,984 项临床试验的整合数据，并将临床结果与药物靶点的遗传学及单细胞特征关联。分析显示，具有更强细胞类型特异性的靶点，其药物临床进展更顺利且不良事件率更低：靶向细胞类型特异性基因的药物，进入 IV 期的可能性提高 48%，从 I 期进入 II 期的可能性提高 40%，平均不良事件率降低 32%。
图 3：与关键临床试验结局显著相关的药物靶点临床前单细胞图谱特征。
靶点指引：B7-H3 的肺癌治疗评估
针对"B7-H3（CD276）是否适合作为肺癌治疗靶点”的提问，系统分派智能体综合检查人类遗传学、单细胞及空间转录组、患者生存数据等多维证据。结果显示，B7-H3 在肺腺癌和小细胞肺癌中表达不均，高表达区域附近的免疫细胞（T 细胞、巨噬细胞等）数量较少，呈现免疫排斥特征。
图 4：Virtual Biotech 将 B7-H3 评估为肺癌的治疗靶点。
结合 477 名肺腺癌患者的生存数据分析，校正年龄、分期和性别后，高 B7-H3 表达与更差的总生存期和无病生存期显著相关。基于此，Virtual Biotech 推断 B7-H3 可能参与构建免疫抑制性肿瘤微环境，并建议将抗体偶联药物（ADC）作为候选治疗方案。
复盘分析：解析试验终止原因
系统还对提前终止的 MOONGLOW II 期临床试验进行了回顾性分析。该试验于 2025 年 6 月因中期分析显示主要终点达成概率低而停止。Virtual Biotech 重新审查了入组人群、单细胞数据及 OSMRβ下游信号，构建了反映整个 gp130 信号轴的风险评分。经验证，该评分在四个独立队列中的预测效果均优于单独使用 OSMR 表达。
图 5：Virtual Biotech 对已终止的 II 期试验方案的回顾性评估。
AI 研发组织的现状与展望
研究中，4 位人类专家复现了 8 项独立分析，对 AI 得出的结论及生成代码均给予肯定评价，认为不存在实质性错误。不过，Virtual Biotech 目前主要聚焦于计算分析、证据整合和优先级判断，尚未涵盖实验测试环节，对罕见病及研究不足靶点的分析能力仍有局限。现阶段，它更像是一支高速并行工作的数字研发团队，而非完整的实体药企。
未来，团队计划寻求与真实制药公司合作，或尝试将该系统与自主实验室结合，以进一步拓展其应用边界。
相关链接：https://www.nature.com/articles/d41586-026-02954-y
人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。
欢迎关注标星，并点击右下角点赞和在看。