導(dǎo)語

為推動人工智能與生命科學(xué)研究深度融合，探索復(fù)雜生物系統(tǒng)結(jié)構(gòu)化建模的新范式。本期讀書會為Vibe Modeling讀書會第三期，北京大學(xué)生物醫(yī)學(xué)前沿創(chuàng)新中心博士朱韜宇將聚焦 Vibe Modeling 在復(fù)雜生物系統(tǒng) AI 輔助結(jié)構(gòu)化建模中的方法學(xué)定位與實(shí)踐路徑，系統(tǒng)呈現(xiàn) scientific agent 如何將生物學(xué)研究直覺轉(zhuǎn)化為可審查、可復(fù)現(xiàn)、可驗(yàn)證的模型藍(lán)圖，并結(jié)合單細(xì)胞狀態(tài)識別、空間組學(xué)解釋、蛋白質(zhì)設(shè)計(jì)與藥物優(yōu)化等場景，探討其在假設(shè)生成、證據(jù)組織、分析流程設(shè)計(jì)和科研評價中的應(yīng)用價值與邊界。

集智俱樂部聯(lián)合同濟(jì)大學(xué)長聘副教授陳小楊和北京林業(yè)大學(xué)副教授李周園共同發(fā)起，本讀書會旨在跨越硬科技與社會科學(xué)兩大板塊，系統(tǒng)梳理vibe modeling的技術(shù)現(xiàn)狀、應(yīng)用潛力與開放問題，通過集體實(shí)踐形成可復(fù)用的提示策略及評估方法，為這一新范式奠定早期社區(qū)基礎(chǔ)，助力推動其在各領(lǐng)域的規(guī)范化應(yīng)用與人才培養(yǎng)落地。

報(bào)告簡介

本次分享將討論 Vibe Modeling 在復(fù)雜生物系統(tǒng) AI 輔助結(jié)構(gòu)化建模中的方法學(xué)定位與實(shí)踐路徑。報(bào)告將從“研究直覺如何轉(zhuǎn)化為可審查模型藍(lán)圖”出發(fā)，介紹以規(guī)劃器、記憶模塊、工具調(diào)用、執(zhí)行器和多角色審查為核心的scientific agent 架構(gòu)，并說明其在生物學(xué)研究中如何輔助假設(shè)生成、證據(jù)組織和分析流程設(shè)計(jì)。

分享將結(jié)合單細(xì)胞狀態(tài)識別、空間組學(xué)解釋、蛋白質(zhì)設(shè)計(jì)與藥物優(yōu)化等場景，討論基礎(chǔ)模型、檢索增強(qiáng)生成和閉環(huán)實(shí)驗(yàn)設(shè)計(jì)如何支持可檢驗(yàn)生物學(xué)假設(shè)的形成。同時，報(bào)告將建立面向科研應(yīng)用的評價框架，涵蓋新穎性、似真性、可靠性、可復(fù)現(xiàn)性與可行動性，并強(qiáng)調(diào)以驗(yàn)證主導(dǎo)、證據(jù)分級和機(jī)制謙遜為底線，避免將模型推斷直接等同于機(jī)制證明。

分享大綱

• Vibe Modeling 的概念界定與方法學(xué)定位：從研究直覺到可審查的模型藍(lán)圖

• 復(fù)雜生物系統(tǒng)對前置建模的需求：多尺度異質(zhì)性、批次效應(yīng)與驗(yàn)證閉環(huán)

• Scientific agent 的系統(tǒng)架構(gòu)與能力邊界：規(guī)劃器、記憶模塊、工具調(diào)用、執(zhí)行器與多角色審查

• 代表性 agent 系統(tǒng)的批判性審視：從自主實(shí)驗(yàn)到單細(xì)胞自動注釋的能力與驗(yàn)證缺口

• 生物與計(jì)算生物學(xué)中的應(yīng)用映射：單細(xì)胞狀態(tài)、空間組學(xué)、蛋白質(zhì)設(shè)計(jì)與藥物優(yōu)化

• 可靠性評價與風(fēng)險(xiǎn)控制框架：證據(jù)分級、幻覺抑制、外部驗(yàn)證與最低驗(yàn)證清單

• 從假設(shè)導(dǎo)航到閉環(huán)發(fā)現(xiàn)的實(shí)踐設(shè)計(jì)：hypothesis table、evidence card 與 validation plan 的最小可用研究流程

核心概念

1. 模型藍(lán)圖：利用 AI 快速生成、篩選、比較候選假設(shè)，并設(shè)計(jì)驗(yàn)證路徑。

2. 證據(jù)分級：區(qū)分事實(shí)、支持性關(guān)聯(lián)、模型推斷、假設(shè)和機(jī)制證明

3. 機(jī)制謙遜：對機(jī)制解釋保持保守，只在證據(jù)充分時使用“證明機(jī)制”等強(qiáng)表述

4. 證據(jù)卡片：對某條結(jié)論的來源、證據(jù)類型、強(qiáng)度和限制進(jìn)行結(jié)構(gòu)化記錄

5. 知識圖譜：用節(jié)點(diǎn)和邊表示基因、疾病、細(xì)胞類型、藥物、通路之間的關(guān)系

6. 多組學(xué)整合：聯(lián)合 RNA-seq、ATAC-seq、蛋白組、代謝組、空間組學(xué)等多模態(tài)數(shù)據(jù)解析生物學(xué)狀態(tài)

7. 基因調(diào)控網(wǎng)絡(luò)：描述轉(zhuǎn)錄因子、靶基因、通路和細(xì)胞狀態(tài)之間調(diào)控關(guān)系的網(wǎng)絡(luò)

8. Perturb-seq：將 CRISPR 擾動與單細(xì)胞測序結(jié)合，用于觀察基因擾動對細(xì)胞狀態(tài)的影響

9. 可靠性：模型在特定任務(wù)和數(shù)據(jù)條件下是否穩(wěn)定、可檢驗(yàn)

10. 批次效應(yīng)：技術(shù)差異偽裝成生物學(xué)差異

11. 混雜因素：第三變量同時影響輸入和結(jié)果，導(dǎo)致結(jié)果的錯誤解釋

12. 外部驗(yàn)證：在獨(dú)立數(shù)據(jù)集、隊(duì)列、平臺或?qū)嶒?yàn)條件下復(fù)現(xiàn)結(jié)論

主講人介紹

主講人：朱韜宇，北京大學(xué)生物醫(yī)學(xué)前沿創(chuàng)新中心博士，本科畢業(yè)于浙江大學(xué)。研究方向：計(jì)算生物學(xué)，代數(shù)拓?fù)?，黎曼幾何。我的研究興趣主要是聚焦通過數(shù)據(jù)整合建模發(fā)掘生物靶以及解析生物數(shù)據(jù)中的幾何結(jié)構(gòu)進(jìn)行相關(guān)建模與理論證明。主要研究方向之外，我喜歡研究形變量子化以及韓國流行音樂，是11年的Buddy (GFRIEND粉絲)和4年的Na.V (VIVIZ粉絲)，并且是半程馬拉松大眾精英跑者，半馬PB 1:22:39。

參考文獻(xiàn)

1. Cabot, J. Vibe Modeling: Challenges and Opportunities. arXiv (2025).

2. Wang, H., Fu, T., Du, Y., et al. Scientific discovery in the age of artificial intelligence. Nature620, 47–60 (2023).

3. Yao, S., Zhao, J., Yu, D., et al. ReAct: Synergizing reasoning and acting in language models. International Conference on Learning Representations (2023).

4. Schick, T., Dwivedi-Yu, J., Dessì, R., et al. Toolformer: Language models can teach themselves to use tools. Advances in Neural Information Processing Systems36, 68763–68784 (2023).

5. Wu, Q., Bansal, G., Zhang, J., et al. AutoGen: Enabling next-gen LLM applications via multi-agent conversation. arXiv preprint arXiv:2308.08155 (2023).

6. CellAgent. An LLM-driven multi-agent framework for automated single-cell data analysis. arXiv preprint arXiv:2407.09811 (2024).

7. Xie, Y., et al. CASSIA: a multi-agent large language model for automated and interpretable cell annotation. Nature Communications17, 389 (2026).

8. Huang, Y., et al. OmniCellAgent: Towards AI co-scientists for scientific discovery in precision medicine. bioRxiv (2025).

9. Lu, C., Lu, C., Lange, R. T., Foerster, J., Clune, J. & Ha, D. The AI Scientist: Towards fully automated open-ended scientific discovery. arXiv preprint arXiv:2408.06292 (2024).

10. Kapoor, S. & Narayanan, A. Leakage and the reproducibility crisis in machine-learning-based science. Patterns4, 100804 (2023).

時間信息

2026年5月31日（周日）下午14:00-16:00，騰訊會議線上進(jìn)行，感興趣的朋友掃碼報(bào)名加入Vibe Modeling讀書會后，可進(jìn)入學(xué)員群進(jìn)行交流。

報(bào)名讀書會：「Vibe Modeling」

集智俱樂部聯(lián)合同濟(jì)大學(xué)長聘副教授陳小楊和北京林業(yè)大學(xué)副教授李周園共同發(fā)起，將在集體實(shí)踐中探索 vibe modeling 在不同領(lǐng)域的通用模式與特殊需求，沉淀可復(fù)用的提示策略、評估方法與工作流，為這一范式搭建早期社區(qū)基礎(chǔ)，助力 AI 賦能的跨學(xué)科研究與人才培養(yǎng)落地。

讀書會自2026年5月17日起，每周日下午14:00-16:00線上開展，持續(xù)10周，包含主講分享與討論交流，并提供會后視頻回放，誠邀相關(guān)領(lǐng)域研究者及跨學(xué)科興趣者參與。

掃描海報(bào)中二維碼報(bào)名參加讀書會

報(bào)名方式：

第一步：微信掃碼填寫報(bào)名信息。

第二步：填寫信息后，付費(fèi)報(bào)名。如需用支付寶支付，請?jiān)赑C端進(jìn)入讀書會頁面報(bào)名支付：

第三步：添加運(yùn)營助理微信，拉入對應(yīng)主題的讀書會社區(qū)（微信群）。

PS：為確保專業(yè)性和討論的聚焦，本讀書會謝絕脫離 Vibe Modeling 讀書會主題及相關(guān)問題的交流討論；如果出現(xiàn)討論內(nèi)容不符合要求、經(jīng)提醒無效者，會被移除群聊并對未參與部分退費(fèi)。

加入社區(qū)后可獲得的資源

完整權(quán)限包括：線上問答、錄播回看、資料共享、社群交流、信息同步、共創(chuàng)任務(wù)獲取積分等。

特色退費(fèi)與激勵機(jī)制

我們提供以下兩種途徑，讓您的投入獲得實(shí)際回饋：

1. 任務(wù)達(dá)標(biāo)退費(fèi)路徑認(rèn)領(lǐng)并合格完成任意兩期字幕任務(wù)，即可退還全額報(bào)名費(fèi)，并額外獲得集智專屬周邊獎勵。

2. 運(yùn)營成長激勵路徑合格完成一個字幕任務(wù)后，可申請成為運(yùn)營助理。在讀書會項(xiàng)目順利結(jié)項(xiàng)后，將退還學(xué)費(fèi)。表現(xiàn)優(yōu)異者，還有機(jī)會獲得額外的獎學(xué)金。