Vetenskapen är på väg in i sin agentiska era Vi presenterar kartan över det vetenskapliga AI-ekosystemet! 🗺️ Vi kartlade de verktyg, modeller och agentiska ramverk som driver det nya substratet för bio Byggd för att hjälpa grundare, forskare och byggare att navigera i explosionen av vetenskaplig AI Låt oss bryta ner🧵 det

Vetenskapliga AI-agenter är inte längre sci-fi 👾 De kan: → Samlad SOTA-forskning → Formulera vetenskapliga hypoteser → Designa och genomföra experiment Men varje labb bygger i silos. Det är därför vi ser ett tydligt behov av att lägga till det som web2 Agentic Science-världen skapar.

I detta syfte närmar sig den "kollektiva vetenskapliga intelligensens" era. Från litteraturutvinning till laboratorieautomatisering har vi kartlagt de 5 nyckelskikten som driver vetenskaplig AI och främjar det biologiska designområdet👇

1. Kunskap och datakällor Allt börjar med data. Vetenskapliga agenter hämtar från: • PubMed, Dataverse (uppsatser och akademiska data) • PDB, UniProt (proteiner) • ChEMBL, PubChem (kemi) • Reaktom, genontologi (vägar) • AACT (kliniska prövningar) • @biorxivpreprint (preprints)

2. Agentiska orkestreringsskikt Dessa verktyg ger resonemang liv. Exempel: • @ElizaEcoFund - ramverk för plug-and-play-agenter • ChemCrow - kemiassistent • BioMCP / PubMedMCP - litteratur servrar • "Coscientist" - autonom labbagent • @PrimeIntellect - modulär agent infra

3. Stiftelse- och domänmodeller De högoktaniga arbetshästarna. Exempel: • AlphaFold 2 - förutsägelse av struktur • Evo 2 - genomisk modellering (Arc Institute) • Geneformer - genuttryck • ChemGPT - resonemang om kemi • ESM-3, PaLM-2, Claude 3 - språkställningar

4. Utförande av experiment och simulering AI som kör experiment. Systemen inkluderar: • Opentrons - API-drivna labbrobotar • INDRA - mekanistisk modellering • PyMOL / AlphaFold-inferens • Molnbaserad simulering: OpenMM, Foldit • SMART-on-FHIR: tidig EHR-integration

5. Plattformar och assistenter som vänder sig till forskare Där AI möter forskare. • @GoogleAI Co-Scientist - brainstorming av hypoteser • @FutureHouseSF - Q&A, systematiska översikter, kemiplanering • Consensus & Elicit - strukturerade pappersgranskningar • Biomni, Iris, Scite - specialiserade pappersagenter • @vita_dao AUBRAI, ChatPaper - AI-forskningspiloter

Tillsammans bildar dessa verktyg en ny forskningsstack: → Modeller tolkar biologi → Agenter orkestrerar resonemang → plattformar erbjuder hjälp → Robotik och simulering sluter cirkeln

Kartan över det vetenskapliga AI-ekosystemet är inte bara en lista med verktyg. Det är en ritning till bio/acc 🧪 Från sökning → till syntes Från analys → till handling Från statisk kunskap → till system som lär sig