Nauka wkracza w swoją Erę Agentów Przedstawiamy Mapę Ekosystemu AI w Nauce! 🗺️ Zmapowaliśmy narzędzia, modele i agentowe ramy, które napędzają nowy substrat dla biologii Stworzono, aby pomóc założycielom, badaczom i twórcom poruszać się w eksplozji naukowego AI Rozłóżmy to na czynniki pierwsze🧵

Naukowe agenty AI nie są już science fiction 👾 Mogą: → Agregować badania SOTA → Formułować hipotezy naukowe → Projektować i przeprowadzać eksperymenty Ale każde laboratorium buduje w silosach. Dlatego widzimy wyraźną potrzebę, aby dodać to, co tworzy świat Agentic Science w web2.

W tym celu nadchodzi era 'zbiorowej inteligencji naukowej'. Od wydobywania informacji z literatury po automatyzację laboratoriów, zmapowaliśmy 5 kluczowych warstw napędzających naukową AI i rozwijających przestrzeń projektowania biologicznego👇

1. Wiedza i Źródła Danych Wszystko zaczyna się od danych. Agenci naukowi korzystają z: • PubMed, Dataverse (artykuły i dane akademickie) • PDB, UniProt (białka) • ChEMBL, PubChem (chemia) • Reactome, Gene Ontology (szlaki) • AACT (badania kliniczne) • @biorxivpreprint (preprinty)

2. Warstwy Orkiestracji Agentów Te narzędzia ożywiają rozumowanie. Przykłady: • @ElizaEcoFund - framework agentów typu plug-and-play • ChemCrow - asystent chemiczny • BioMCP / PubMedMCP - serwery literaturowe • „Coscientist” - autonomiczny agent laboratoryjny • @PrimeIntellect - modułowa infrastruktura agentów

3. Modele fundacji i domeny Wysokowydajne maszyny robocze. Przykłady: • AlphaFold 2 - przewidywanie struktury • Evo 2 - modelowanie genomowe (Arc Institute) • Geneformer - ekspresja genów • ChemGPT - rozumowanie chemiczne • ESM-3, PaLM-2, Claude 3 - struktury językowe

4. Wykonanie eksperymentów i symulacji AI przeprowadza eksperymenty. Systemy obejmują: • Opentrons - roboty laboratoryjne sterowane API • INDRA - modelowanie mechanistyczne • PyMOL / wnioskowanie AlphaFold • Symulacja w chmurze: OpenMM, Foldit • SMART-on-FHIR: wczesna integracja EHR

5. Platformy i asystenci dla naukowców Gdzie AI spotyka badaczy. • @GoogleAI Co-Naukowiec - burza mózgów hipotez • @FutureHouseSF - pytania i odpowiedzi, przeglądy systematyczne, planowanie chemii • Consensus & Elicit - strukturalne przeglądy artykułów • Biomni, Iris, Scite - wyspecjalizowane agenty do artykułów • @vita_dao AUBRAI, ChatPaper - współpilot AI w badaniach

Razem te narzędzia tworzą nowy stos badawczy: → Modele interpretują biologię → Agenci organizują rozumowanie → Platformy dostarczają wsparcie → Robotyka i symulacja zamykają pętlę

Mapa Ekosystemu AI w Nauce to nie tylko lista narzędzi. To plan do bio/acc 🧪 Od wyszukiwania → do syntezy Od analizy → do działania Od statycznej wiedzy → do systemów, które się uczą