Comment l'IA de Stanford aide les biologistes à planifier leurs expériences

Imaginez que vous deviez planifier un criblage CRISPR pour trouver les gènes responsables de l'épuisement des cellules T. Auparavant, cela signifiait des semaines de lecture d'articles, de sélection manuelle des cibles et d'innombrables tableurs. Maintenant, vous pouvez simplement écrire une seule ligne de code Python.

Une équipe de Stanford (le groupe SNAP) a publié Biomni en open source — un agent universel basé sur de grands modèles de langage, adapté aux tâches biomédicales. Il peut répondre à des questions, écrire du code pour l'analyse de données, planifier des expériences et même générer des hypothèses testables.

Ce que Biomni peut faire

Le projet est intéressant car ce n'est pas qu'un simple wrapper autour de GPT-4 ou Claude. C'est un système qui combine la logique LLM avec des outils de recherche (RAG) et un environnement d'exécution de code. L'agent « comprend » quand il doit consulter une base de données et quand exécuter un script pour le traitement scRNA-seq.

Voici quelques exemples concrets de ce qu'il fait :

• Planification d'expériences. Vous décrivez la tâche en langage naturel, et l'agent génère une liste de gènes à modifier ou un protocole de recherche.
• Analyse de données en temps réel. Vous pouvez lui fournir un chemin vers des résultats de séquençage monocellulaire, et il effectuera l'annotation et suggérera des hypothèses.
• Prédiction des propriétés des composés. L'agent travaille avec des formules chimiques (SMILES) et peut évaluer les paramètres ADMET (absorption, distribution, métabolisme, excrétion et toxicité).

Mise en œuvre technique

Les développeurs ne se sont pas contentés d'utiliser des modèles prêts à l'emploi. Le dépôt inclut Biomni-R0 — un modèle spécialisé basé sur Qwen-32B, affiné par apprentissage par renforcement (RL). Il est optimisé pour l'utilisation d'outils et le raisonnement multi-étapes dans un contexte biologique.

Un détail intéressant : lors du premier lancement, l'agent télécharge un « lac de données » d'environ 11 Go. Il s'agit d'une base de connaissances locale qui permet au modèle d'éviter les hallucinations et de s'appuyer sur des protocoles et des publications vérifiés.

Pour évaluer la qualité, les auteurs ont créé le benchmark Biomni-Eval1. Il contient 433 scénarios : de l'identification des gènes causaux dans les GWAS à la sélection des méthodes de livraison CRISPR. Si vous travaillez en bioinformatique, cet ensemble de données seul pourrait être utile pour tester vos modèles.

Comment exécuter le projet

L'installation demande de la patience, car l'environnement est assez lourd. Les auteurs ont préparé un script d'installation :

conda activate biomni_e1
pip install biomni --upgrade

Vous aurez besoin de clés API d'Anthropic ou d'OpenAI. L'initialisation de l'agent est simple :

from biomni.agent import A1

# Инициализируем агента, он сам подтянет нужные данные
agent = A1(path='./data', llm='claude-sonnet-4-20250514')

# Пример задачи: планирование CRISPR скрининга
agent.go("Plan a CRISPR screen to identify genes that regulate T cell exhaustion, generate 32 genes that maximize the perturbation effect.")

Si vous ne souhaitez pas écrire de code, le projet dispose d'une interface Gradio. Vous pouvez le lancer localement avec une seule commande agent.launch_gradio_demo(), et vous disposerez d'un chat complet dans votre navigateur.

Sécurité et considérations

Il y a quelques points à considérer avant de déployer ceci en production :

1. Exécution de code. L'agent génère et exécute du code Python avec des privilèges système complets. Le README avertit honnêtement : exécutez ceci uniquement dans des sandbox isolées ou des conteneurs.
2. Licences. Biomni lui-même est sous Apache 2.0, mais il utilise des bases de données et des outils tiers qui peuvent avoir leurs propres restrictions sur l'utilisation commerciale.

Verdict : vaut-il la peine d'être essayé ?

Biomni est un excellent exemple de la façon dont les LLM évoluent de « perroquets intelligents » vers des outils de travail véritablement utiles. Il est utile pour les bioinformaticiens qui souhaitent automatiser les tâches routinières et pour les chercheurs qui ont besoin d'un accès rapide à une synthèse de connaissances provenant de centaines de publications.

Actuellement, l'équipe construit une communauté pour la prochaine version — Biomni-E2. Si vous avez de l'expérience en développement de logiciels biomédicaux ou si vous connaissez d'excellents protocoles open source, c'est une bonne opportunité de contribuer à un projet open source sérieux de Stanford.

Vous pouvez essayer la version web sans installation sur le site officiel du projet.