SpatialAgent：开创空间生物学新纪元的自主AI智能体

人工智能正深刻改变科学发现的方式，但空间生物学这一研究生物分子和细胞在组织中三维分布的领域，仍受制于劳动密集型分析流程。近日，王瀚宸团队推出首个专为空间生物学设计的自主AI智能体——SpatialAgent。该系统结合大语言模型（LLM）、动态工具执行和自适应推理能力，覆盖实验设计、多模态数据分析到假设生成的完整科研流程。测试表明，SpatialAgent在处理包含人类大脑、心脏及小鼠结肠炎模型的两百万个细胞数据时，表现超越现有最佳算法，甚至与人类科学家相当或更优。

核心架构与功能
SpatialAgent由三大模块组成：记忆模块存储任务目标与执行步骤；规划模块通过链式推理拆解复杂任务并调用工具；行动模块负责具体操作，如数据预处理、基因面板设计等。系统支持全自动与协作模式，既能独立运行，也可融入科学家的工作流。

在基因面板设计任务中，SpatialAgent表现出色。例如，在人类背外侧前额叶皮层（DLPFC）数据集中，其设计的基因面板在细胞类型预测准确率上比最佳算法高6-19%，空间坐标预测性能提升达47%。同时，耗时仅30分钟，远低于人类专家平均8小时的工作时间。人机协作进一步提升了结果准确性。

细胞注释与假设生成
传统细胞注释工具常忽略空间上下文，而SpatialAgent整合分子表达、空间位置和形态学信息，显著提高注释精度。在人类心脏数据中，其一致性达82.3%，优于CellTypist（45.7%）和GPT-CellType（81.1%）。此外，SpatialAgent还能生成科学假设。在小鼠结肠炎模型中，它揭示了TGF-β信号和IL-11介导的基质重塑机制，并生成了一份包含可验证靶点的详细报告。

挑战与未来方向
尽管成果显著，SpatialAgent仍有局限性：对罕见细胞类型识别较弱，存在大模型幻觉风险，且需开发多智能体分工架构以应对复杂任务。然而，其诞生标志着空间生物学进入“自动化2.0”时代，重新定义了人机协作的可能性。

结合实时成像与临床数据，下一代AI智能体有望成为主动合作者，推动生物医学研究迈向新范式。