「AI 科學家」是一種創新的生物醫學研究方法，旨在設計 AI 系統來增強人類能力，而非取代人類。這些 AI 代理能進行懷疑式學習和推理，與人類研究者有效合作。透過整合先進的 AI 模型與生物醫學工具，它們能分析大量數據、探索假設並自動化重複性任務，簡化研究過程。這些代理還能持續學習，保持最新的科學知識，應用於虛擬細胞模擬、新療法開發等領域，促進生物醫學研究的進步。 PubMed DOI

尖峰排序對於理解神經活動非常重要，但傳統方法繁瑣且難以擴展。隨著神經記錄技術的進步，自動化解決方案的需求愈加迫切。為此，我們推出了SpikeAgent，這是一個由大型語言模型驅動的AI代理，能自動化尖峰排序過程。SpikeAgent結合多個LLM後端和已建立的算法，能自主執行排序並生成可解釋的報告，增強透明度。經過與專家的基準測試，SpikeAgent顯示出與人類專家相當的整理一致性，顯著降低專業知識門檻，並加速整理過程，為神經科學研究帶來重大進展。 PubMed DOI

單細胞多組學技術，特別是單細胞RNA測序（scRNA-seq），讓我們更深入了解細胞的多樣性與發展。透過將基因視為單詞，並利用word2vec技術生成基因的向量表示，我們能夠進行多尺度分析，識別細胞狀態與發展軌跡。這種方法不僅計算效率高，還能在不依賴高效能計算集群的情況下進行分析，成為探索細胞發展、基因影響及組織關係的重要工具。 PubMed DOI

這項研究用 ChatGPT Data Analyst 自動化分析 SphereRing® 產生的脂肪幹細胞球體大小和形狀，結果和傳統 ImageJ 軟體高度一致。這方法能減少人為誤差、提升實驗重現性，對再生醫學的品質控管很有幫助。 PubMed DOI

這項研究用人類幹細胞分化的肝細胞和肝臟內皮細胞共同培養，透過WNT2訊號調控，成功建立出有分區特性的肝類器官。這些類器官能模擬代謝性肝病，並發現GLP-1受體促效劑會直接作用在內皮細胞上，揭示新的治療機制。研究強調，納入非實質細胞能提升肝臟疾病模型的真實性和藥物開發效率。 PubMed DOI

這篇論文提出一種結合GCN、Transformer和BERT的新型空間多尺度圖卷積網路（SGTB），用來分析空間轉錄體學資料。這方法能同時抓住細胞的局部和全域空間關聯，並用BERT提升語意表現，讓細胞分類和基因調控網路建構等任務更精準有效。 PubMed DOI

研究團隊把GPT-4和專業腫瘤醫學工具結合，開發出能自主做臨床決策的AI代理。測試20個複雜癌症案例時，AI選對工具的機率有87.5%，臨床決策正確率91%，引用指引正確率75.5%。這套系統比單用GPT-4準確率高出許多，證明結合語言模型和專業工具能大幅提升癌症照護決策品質。 PubMed DOI

這項研究用微流體技術和纖維材料，打造出更接近人體的胰島微生理系統，能提升胰島細胞功能和存活率。平台可模擬血流、養分交換，並成功驗證GLP-1藥物的降血糖和心血管保護效果。這為糖尿病研究、藥物開發和個人化醫療，提供了新穎且可取代動物實驗的選擇。 PubMed DOI

這項研究結合AI、生物資訊和單細胞分析，找出27個和阿茲海默症有關的關鍵基因。結果發現，患者的免疫細胞組成有明顯變化，像是CD8+ T細胞和巨噬細胞增加，樹突細胞減少，並點出各細胞表現最明顯的前十個基因。這種方法有助於更快了解阿茲海默症的基因和免疫特徵。 PubMed DOI

生物醫學研究常因流程繁瑣又重複，進展緩慢。Stanford 團隊推出 AI 助理 Biomni，能自動執行各種生醫研究任務，整合論文中的工具和資料庫，結合大型語言模型與程式碼執行，動態規劃複雜任務。測試證明 Biomni 泛用性高，無需特別調整就能處理多種生醫問題，幫助科學家加速研究。可至 https://biomni.stanford.edu 體驗。 PubMed DOI