30分钟整合550篇文献，生物学多智能体Robin跑通自主科研闭环，挖掘dAMD候选疗法

半小时吞下550篇文献：Robin的“超强大脑”

传统科研人员耗费数周才能完成的文献综述，对Robin而言只是热身。这个由FutureHouse推出的多智能体系统，其核心由三个各司其职的“专家”组成：Crow负责宽领域文献检索与整合，Falcon擅长精准筛选候选分子，Finch负责实验数据分析。三者协同运转，可在30分钟内消化数百篇学术论文，并自动提取关键信息。据论文描述，Robin不仅具备“超强大脑”般的阅读能力，还能将文献知识与后续实验数据实时连接，形成持续迭代的科学假设引擎。这种能力使得它从未被联结的知识片段中拼凑出创新路径——例如，它从细胞生物学、眼科学和药理学等不同领域的文献交叉分析中，锁定了视网膜色素上皮细胞（RPE）的吞噬功能作为关键突破口。

从“捡漏”青光眼药到dAMD新星：AI如何发现利帕舒地尔

Robin的发现之旅始于一个大胆假设：增强RPE细胞的吞噬功能可能为干性年龄相关性黄斑变性（dAMD）带来治疗获益。随后，Falcon智能体从数千候选分子中筛选出10个潜在化合物进行实验室测试。Finch分析第一轮实验数据时，意外发现ROCK抑制剂Y-27632能显著提升RPE细胞的吞噬活性。Robin立即提出RNA测序实验以探究机制，Finch进一步定位到ABCA1——RPE细胞中关键的脂质外排泵——其表达量因Y-27632而上调。基于这一新线索，Robin自主提出第二轮候选药物清单，最终在测试中发现利帕舒地尔（Ripasudil，一种已获批用于青光眼的ROCK抑制剂）的明确疗效。有趣的是，研究团队强调，“此前从未有其他文献提出过ROCK抑制剂可用于治疗dAMD”，这一“使用盲区”的突破完全依赖AI的跨领域推理能力。

自主科研闭环：人类只动手，AI动脑子

与传统AI辅助工具不同，Robin实现了科学发现的“全流程自理”：从假设生成、实验设计、数据分析到假设修正，所有关键智力步骤均由AI系统自主完成，人类研究员的任务仅限于执行物理实验（如细胞培养、给药和测序）。整个过程耗时不到2.5个月，而同类工作若由人类团队完成，通常需要数年。具体流程如下：

• 假设迭代：Robin利用Crow初筛文献→提出RPE吞噬功能假说→Falcon筛选候选药→实验室测试→Finch分析数据→反向修正假说。
• 机制深挖：基于初试数据，Robin主动提出RNA测序实验，并自主设计实验参数，Finch解析出ABCA1上调的分子机制。
• 终点验证：依据新机制，Robin重新锁定第二组候选药，最终在利帕舒地尔上取得突破，并自动生成论文图表所需的数据分析报告。
  FutureHouse表示，这是首个能在一个端到端框架内“自主发现并验证新型治疗候选药物”的人工智能系统，标志着科学发现从“人机协作”迈入“机器主导推理”的新纪元。

不止药物发现：Robin的通用科学野心

尽管此次亮相以药物发现为场景，但Robin被设计为一款通用型科学智能体。其架构不限定于生物医学，理论上可迁移至材料科学、气候技术、化学合成等任何需要文献驱动假设+实验验证的领域。创始人强调，Robin“不仅重塑药物开发，更根本意义上加速了所有科学领域的探索进程”。目前，FutureHouse已将Crow、Falcon、Owl（文献合成）、Phoenix（化学合成设计）等智能体工具商业化，Robin则作为高阶集成系统支持企业内部科研。考虑到其已成功挖掘出已知药物的全新适应症（利帕舒地尔从青光眼转向dAMD），Robin在药物重定位、靶点发现等方向的应用潜力尤其值得关注。正如团队所言：“若没有AI智能体，我们很难提出这一假设”——这或许是AI驱动科学发现时代最简洁的宣言。