AutoScreen: AI Co-Scientist System for Target Discovery in Functional Genomics

原文链接：全文

作者：Yuanhao Qu, Xufeng Liu, Xiaotong Wang, …, Le Cong

bioRxiv，2026 年 9 月 10 日

导读

CRISPR 筛选可以一次产出成百上千个候选基因，但决定”先验证谁”仍是高度依赖文献整合和专家经验的耗时环节。AutoScreen 构建了一套由五个专门 AI Agent 组成的流水线，能够自动检索 26 个生物医学数据库、动态去除大模型对”明星基因”的偏好、并通过多配置融合给出可追踪的候选基因排序。在 320 个 CRISPR 筛选基准上，它的命中恢复率比通用大模型提高约 19%；在 NK 细胞杀伤实验中，成功将 MUC1、PDPN 和 LRRC15 从低排名提升至优先验证位置，并经湿实验确认。

一、研究问题

高通量功能基因组学技术——CRISPR 筛选、RNA-seq、GWAS——的瓶颈已经从”获得数据”转向”从数据中选对基因”。一次全基因组 CRISPR 筛选往往产出几百个统计显著的候选，研究者还需要逐一查文献、看通路、检查表达与药物可及性，才能决定后续验证顺序。

直接让大语言模型推荐基因会遇到一个根本问题：LLM 倾向于反复推荐 TP53、AKT1、MTOR 等”明星基因”，这些枢纽基因确实重要，但未必与当前实验的具体表型直接相关。这就是所谓的 fame bias。

AutoScreen 试图同时解决两个问题：实验前（Pre-screen）根据研究目标设计 focused 候选库——适用于无法做全基因组筛选、原代细胞数量有限或需要设计组合扰动实验的场景；以及实验后（Post-screen）结合统计结果与外部知识重新排序命中基因——在固定的已测基因范围内，把 MAGeCK 等工具给出的 P 值和 fold change 与文献证据、通路信息和临床数据相结合，重新确定后续验证顺序。

二、方法核心：系统架构：五个 Agent 的流水线

AutoScreen 的核心思路是把”让一个模型猜基因”拆解为一条结构化的证据整合管线。

Agent 1（Deep Research）把用户的研究描述改写为检索查询，并行获取 Google Scholar 文献、Web 信息和模型内部知识。它会分别总结各来源、合并为研究背景，并对总结中的句子进行证据核查，保存题目、URL、作者和发表日期等来源信息。这一阶段的目标是理解实验的生物学语境，而非直接输出基因。

Agent 2（Information Restructure）将自由文本拆解为八类标准化生物学实体——细胞系、基因、通路、GO 术语、疾病、表型、药物和细胞组分。例如，”黑色素瘤细胞抵抗 NK 细胞杀伤”会被拆解为生物系统 A375 melanoma、表型 NK-cell resistance、通路 immune evasion 和 cell-surface signaling 等，并映射到 HGNC、Reactome、KEGG、MONDO、EFO 等标准标识符。系统默认还进行两轮批评和修正。

Agent 3（Knowledge Base Search）是外部知识检索层，运行 26 个子 Agent 并行查询：通路和本体类（KEGG、Reactome、WikiPathways、MSigDB Hallmark、Gene Ontology），分子互作类（STRING、Ensembl paralogs、COXPRESdb），疾病与临床证据类（OMIM、ClinGen、ClinVar、Open Targets、TCGA），癌症驱动类（IntOGen）和药物信息类（PubChem、RxGrid）等数据库。在 Post-screen 模式下，还会整合用户自己的 CRISPR 筛选结果和 RNA-seq 差异表达数据。每个基因的最终输出都保留具体来源、对应术语、原始分数和元数据，而非只标记”模型认为重要”。

Agent 4（Information Synthesis）是最关键的创新环节。它首先为当前任务动态生成一组”反枢纽锚点”（anti-hub anchor）：识别大模型可能过度推荐、但对当前实验不够特异的经典枢纽基因，作为软约束放入提示中。系统分别使用三种 anchor 长度（Hub 5、Hub 10、Hub 20）独立生成候选基因排名，再通过逆排名融合（inverse-rank fusion）合并为最终列表。

Agent 5（Target Review）对候选基因补充实验可操作性注释：目标细胞系表达、DepMap 细胞依赖性、DGIdb 药物可及性和文献支持。这些信息是标记而非硬过滤，最终报告保留完整证据链。

三、看图说话

Figure 1 · 五个 Agent 的协作流程

这张图想回答：AutoScreen 的五个 Agent 怎样从文献解读一路协作到靶点排名？

Figure 1. AutoScreen 系统架构。(a) 五个 Agent 的协作流程，支持 pre-screen 库设计与 post-screen 重排序两种模式；(b) Agent 4 通过多 anchor 配置生成排名并融合的工作流。

• Panel a：把「让一个模型猜基因」拆成一条流水线——Agent 1 把研究描述改写成检索查询、并行抓文献和网络；Agent 2 把自由文本拆成细胞系、基因、通路等八类标准化实体；Agent 3 并行跑 26 个子 Agent 查 KEGG、STRING、Open Targets 等数据库；Agent 5 补充表达、依赖性、药物可及性等可操作性注释。
• Panel b 是最关键的 Agent 4：它先动态生成一组「反枢纽锚点」（anti-hub anchor），把 LLM 爱反复推荐的明星基因（TP53、AKT1、MTOR）作为软约束压一压。效果很直接：自噬筛选里它把真正的执行机器 WIPI2、ATG2A、ATG9A 提到前 15，而不是泛泛的 MTOR；白喉毒素筛选里把 DPH1–DPH7 这组关键酶排到第 3–19 位。

Figure 2 · 320 个 CRISPR 筛选的基准

这张图想回答：在 320 个 CRISPR 筛选上，AutoScreen 的命中恢复率和排序精度如何？

Figure 2. 320 个 CRISPR 筛选基准。(a) 数据构建流程；(b–c) 命中恢复率随候选库大小变化；(d) 库规模效率；(e) 方法间命中重合；(f) MAP@100 整体精度。

从 BioGRID ORCS 的 2,134 个筛选里按全基因组规模、元数据完整、非必需性三条标准筛出 320 个，把各筛选原分析的 top-100 基因当作 ground truth，让各方法仅凭研究目标描述推荐基因。

• Panel b–f：top-100 里 AutoScreen 恢复 6.4% 真实命中，高于 BioDiscovery 的 5.4%、GPT-5.4 的 3.8%（相对提升约 19%）；MAP@100 达随机基线的 275 倍。要达到 AutoScreen top-500 同样的命中数，随机方法需要 50 倍大的库、GPT-5.4 需要 2.4 倍。

Figure 3 · 多配置融合提升恢复率

这张图想回答：为什么要用三种 anchor 长度再融合？它们找到的候选是同一批吗？

Figure 3. 跨 hub-list 配置的集成融合。(a) 单配置与融合排名在不同候选数下的验证命中恢复率。(b) 三种配置 top-500 基因集的两两共享率热图。

较短 anchor（Hub 5）更保守，较长 anchor（Hub 20）更激进地远离枢纽基因。Panel a 显示三种配置的恢复率相近，但 Panel b 的共享率热图里三者 top-500 两两只重合约 54%——说明它们探索的是不同但同样有价值的候选空间。逆排名融合（Ensemble）把在多个配置中都靠前的基因得分抬高，恢复率最高。

Figure 4 · 换不同大模型后端的表现

这张图想回答：AutoScreen 的优势依赖某个特定大模型吗，还是框架本身带来的？

Figure 4. 七种推理后端在 207 个共同基准筛选上的 MAP@100 点线图，每种后端分别用 Hub 5 / Hub 10 / Hub 20 与 Ensemble 配置。

横轴是 GPT-5.4、Gemini、Claude、DeepSeek、Qwen3 等七个后端，每个后端画四种配置的 MAP@100。强模型（GPT-5.4）整体更高，但在推理型和非推理型模型上，多 anchor 集成（青色）普遍优于单配置。这说明性能提升主要来自「检索–锚定–融合」框架，而非某一个大模型。

Figure 5 · 免疫逃逸中的实验验证

这张图想回答：AutoScreen 的预测能通过湿实验验证吗？post-screen 和 pre-screen 各怎样？

Figure 5. 癌症免疫逃逸中的验证。(a–f) post-screen：NK 细胞杀伤筛选的重排序与湿实验。(g–i) pre-screen：T 细胞杀伤的前瞻性候选库设计。

Post-screen（a–f）：K562 surfaceome CRISPRa 筛选出 317 个候选，AutoScreen 重排序把 MUC1 从第 118 位提到第 5 位、PDPN 81→44、LRRC15 1384→659。用三条独立 sgRNA 的湿实验确认，激活这三个基因都显著提高 K562 对 NK 细胞杀伤的抵抗。

Pre-screen（g–i）：在两个没给筛选数据的 T 细胞杀伤任务上，只凭研究问题设计 500 个候选，后续真实筛选确认 平均覆盖 77.1% 的共识命中，高于 Claude、GPT-5.4；整个设计平均 35.5 分钟，比人工约 3 天快 120 多倍。

Figure 6 · 从单次运行到 Resource Hub

这张图想回答：怎样把 AutoScreen 从一次性运行变成可复用、可扩展的资源库？

Figure 6. 构建与使用 AutoScreen Resource Hub。(a) 整合公开 CRISPR（BioGRID ORCS）、转录组（Expression Atlas）、GWAS（UK Biobank）数据的预计算资源库。(b) 以「数据库来源 + 标准标识符」为缓存键的命中/未命中流程。

对 500 多个公开功能基因组数据集跑完整管线，积累了 538 份靶点报告、超过 2.1 万篇文献、9.8 万次知识库查询、1,500 万个基因–术语连接。Panel b 的关键设计：稳定的基础知识（某基因属于某通路）按缓存键复用，但 最终基因排名仍由 Agent 4 针对当前实验重新生成，保证不同实验背景下排序不同。

四、核心贡献总结

Post-screen 验证：在 K562 白血病细胞的 surfaceome CRISPRa 筛选中，作者激活细胞表面蛋白并与原代人 NK 细胞共培养，MAGeCK 识别出 317 个显著候选。AutoScreen 对完整排名进行重排序后：

MUC1：从第 118 位提升至 第 5 位（细胞表面糖蛋白，可形成免疫屏障）

PDPN：从第 81 位提升至第 44 位（肿瘤表面糖蛋白，参与免疫调节）

LRRC15：从第 1384 位提升至第 659 位（与肿瘤微环境相关）

使用多个独立 sgRNA 的湿实验验证表明，激活这三个基因均能显著提高 K562 对 NK 细胞杀伤的抵抗。实验使用 E:T 比 2:1 的原代人 NK 细胞与 K562 共培养 24 小时，通过 IncuCyte 实时监测细胞存活。每个基因使用三条独立 gRNA，结果一致，降低了脱靶假阳性的可能。此外，在 A375 黑色素瘤的独立 CRISPRa 筛选中，AutoScreen 还将 CEACAM5（143→38）和 CEACAM6（155→26）整体提升，利用互作网络和临床证据识别出这一家族成员可能共同参与 NK 细胞免疫逃逸。

Pre-screen 前瞻性验证：在两个未提供筛选数据的 T 细胞杀伤任务中（B16F0–PMEL 和 MC38–OT-I），AutoScreen 在只知道研究问题的情况下设计 500 个候选基因，随后的真实 CRISPR 筛选确认：AutoScreen 平均覆盖了 77.1% 的共识命中，高于 Claude Opus 4.8（69.8%/70.6%）和 GPT-5.4（69.8%/76.5%）。整个设计过程平均仅需 35.54 分钟，相比人工专家的约 3 天缩短超过 122 倍。

Resource Hub：从单次运行到规模化资源

作者还将 AutoScreen 扩展为一个预计算资源库——对 500 多个公开功能基因组数据集（BioGRID ORCS 的 CRISPR 数据、Expression Atlas 的转录组数据、UK Biobank 的 GWAS 数据）运行完整管线，积累了 538 份综合靶点报告、超过 21,000 篇科学文献、98,000 次知识库查询和 1,500 万个基因–术语连接。系统使用”数据库来源 + 标准标识符”作为缓存键，稳定的基础知识（如某基因属于某通路）可以复用，但最终基因排名仍由 Agent 4 根据当前实验重新生成，从而保证不同实验背景下得到不同排序。

五、局限与展望

AutoScreen 的核心价值在于将原本分散的人工流程系统化——从研究问题到结构化生物学概念，到多数据库检索，到任务特异性去偏，再到多排序融合和实验可操作性审查。每一步都保留完整证据链，使得结果可审计、可追溯。语言模型在系统中被视为可替换后端：论文在 7 个不同模型上测试，多 anchor 集成的优势在推理型和非推理型模型上均成立，说明性能提升主要来自检索–锚定–融合框架。

但也需要注意几个局限。320 个公共基准的 Deep Research Agent 会查询文献和网络，可能检索到原始论文的结果，存在一定信息泄漏风险——论文通过两个 T 细胞任务做了前瞻性验证，但对公共基准未做去污染评估。top-100 的绝对恢复率仍只有 6.4%，说明仅凭描述预测筛选结果依然非常困难。湿实验验证规模较小（3 个基因），且 AutoScreen 与基线的计算预算不对等——它使用了多轮模型调用、26 个数据库和多配置融合，而 GPT-5.4 基线主要是单模型零样本生成。底层知识库本身仍偏向研究充分的疾病和高引用通路，anti-hub 能减轻对单个明星基因的偏好，但可能将偏差从”推荐最知名的单个基因”转变为”推荐知识库中最充分标注的机制模块”。

通讯作者介绍

本文标注的通讯作者有三位：Mengdi Wang（普林斯顿大学电气与计算机工程教授，强化学习和运筹学领域专家）、Xufeng Liu（斯坦福大学）以及 Le Cong（斯坦福大学病理学与遗传学助理教授，CRISPR 功能基因组学领域的活跃研究者）。作者名单中还包括 Russ Altman（斯坦福大学生物工程与遗传学教授）、Jure Leskovec（斯坦福大学计算机科学教授，图神经网络领域的开创者）和 Aviv Regev（基因泰克研究与早期开发部门负责人，单细胞基因组学先驱），但论文并未将这三位标为通讯作者。该研究整合了来自斯坦福大学、普林斯顿大学、MIT CSAIL 和基因泰克等机构的跨学科团队。

引用

Qu, Y., Liu, X., Wang, X., Chen, M., Luo, X., Lyu, L., … & Cong, L. (2026). AutoScreen: AI Co-Scientist System for Target Discovery in Functional Genomics. bioRxiv. https://doi.org/10.64898/2026.09.06.749678