上海交通大學電腦學院IPADS實驗室陳海波、王肇國團隊與化學化工學院、變革性分子前沿科學中心樊春海、王飛團隊合作,依託張江高等研究院DNA記憶體研究中心開展研究,成果以《An AI-native experimental laboratory for autonomous biomolecular operations》為題線上發表於《自然》(Nature)雜誌,並獲該刊官網首頁頭條重點報導(圖1)。《自然》同期在News & Views欄目刊發史丹佛大學James Zou教授撰寫的專題評述。研究團隊建構了AI原生科學實驗室AutoDNA裝置(思源一號),實現了自主分子生物學實驗操作(圖2),通過對模型、實驗與儀器進行協同設計,解決了現有AI自主科學實驗室向分子生物學實驗拓展時,在複雜流程組織、多類儀器協同以及實驗時序、環境穩定性和操作精度保障等方面面臨的難題,使自主實驗能夠覆蓋需要微米級定位和微升級液體處理的複雜生物分子實驗場景。
AI自主科學實驗室已經成為推動科研範式變革、提升原始創新能力的重要技術方向。2025年8月,中國國務院印發《關於深入實施“人工智慧+”行動的意見》,提出探索人工智慧驅動的新型科研範式,推動基礎科研平台和重大科技基礎設施智能化升級;同年11月,美國啟動“創世紀計畫”,提出建設融合科學資料、人工智慧模型和自動化實驗設施的平台。然而,已有AI自主科學實驗室通常由專家預先配置儀器、規定實驗流程和設定最佳化規則,再將人工智慧接入文獻檢索、方案生成或資料分析等局部環節。這種“外掛式”架構雖能提升單個環節的效率,卻難以適應生物分子實驗流程複雜、儀器類型多樣,以及對即時執行、環境穩定和操作精度要求嚴格等特點。為此,AutoDNA採用AI原生架構,通過模型-實驗-儀器協同設計的思路解決上述問題。
針對實驗流程複雜的問題,AutoDNA結合對適用於複雜生物分子操作的實驗過程理解,建構了面向實驗的多智能體架構。系統將複雜實驗任務分解為文獻檢索、試劑選擇、方案設計、程式碼生成、硬體執行、結果分析和迭代最佳化等環節,並根據實驗進展組織多個專業智能體協同工作,使模型能夠貫通“設計—實驗—最佳化”全過程,並依據實驗結果持續迭代調整後續方案。
針對儀器種類多、跨裝置協作困難的問題,AutoDNA將各類儀器的能力提煉為適合模型理解和呼叫的“原子服務”,以自然語言說明和統一程式碼介面告訴模型每台裝置“能做什麼、如何呼叫”。這層抽象遮蔽了不同型號儀器的底層差異,使模型能夠根據實驗需求組合裝置能力,生成、檢查和修正跨裝置控制程式碼,將數字世界中的實驗設計轉化為物理世界中的儀器操作。
針對實驗對即時性、穩定性和操作精度的嚴格要求,AutoDNA將高精度自動化硬體和實驗執行與調度系統相結合。硬體提供微米級定位和微升級液體處理能力,系統則負責程序檢查、儀器狀態跟蹤和資源調度,使多個實驗任務在滿足時序和操作約束的前提下有序運行。平台在建構過程中還整合了基於OpenHarmony作業系統的控制終端,並展示了在核酸檢測、酶促DNA合成、癌症檢測等場景中的應用驗證。
研究團隊還展示了以AutoDNA作為產線級DNA記憶體裝置進行全流程端到端的巨量資料DNA資訊記憶體。DNA記憶體是將數字資訊編碼到DNA鹼基序列中的新型記憶體方式,具有記憶體密度高、保存時間長和維護能耗低等潛力,代表了後摩爾時代資訊記憶體技術向高密度、長壽命和低能耗發展的重要方向。AutoDNA從使用者的資料寫入和讀取要求出發,銜接編碼、DNA合成、保存、測序和解碼等環節,協調計算裝置與實驗儀器完成數字資訊與DNA序列之間的轉換(圖4)。整個讀寫周期共執行11382次硬體操作,最終精準恢復此前寫入DNA的資訊,驗證了系統在長時間運行中協調多類裝置、完成複雜實驗流程的能力。
該研究得到了國家自然科學基金、上海市基礎研究先行區項目、上海市科技重大專項、教育部基礎學科和交叉學科突破計畫以及新基石科學基金會的支援。
論文連結:
https://www.nature.com/articles/s41586-026-11228-6 (材料學網)

