BioMaster测试：AI生信分析的demo体验

从去年吴恩达提出agent（智能体）将有广阔前景，到dify等开源智能体以及Manus（多智能体应用）的迅速走红，AI智能体已经步入多智能体时代，其应用也日趋成熟。最近，我对两个AI方向产生了浓厚兴趣，一个是GUI Agent，比如GLM PC和字节开源的UI-TARS等，不过这些还处于初级阶段。我关注这个领域是因为希望能将一些相对简单的日常工作交由AI处理。

另一个方向与前者有一定的交叉，就是生信分析的智能体。我希望生信分析能惠及每个人，只要有足够的硬件支持，AI就能在标准分析框架下完成分析，提升数据分析的可重复性，推动科学的发展与进步。国内也有专家测试了多智能体的生信分析，今天我将进行一次测试。

软件安装于今年一月份上传到了生物预印本服务器，相信未来的更新文章也将在这种预印本上发布，因为在AI领域已经形成这样的趋势。一个项目需要上百人的团队和强大的硬件支持，仅有两周的时间就必须完成一篇论文，否则就会被同行抢先发表！这也提醒我们，合作的重要性以及科研评价未来的改变方向。

软件已有不少博客等进行了介绍，起初发现作者没有提供使用文档，所以暂时没有进行测试。最近作者更新了文档，并准备近期发布新版本，于是我决定进行测试。

按照官方的文档进行安装，还是比较顺利的，除了软件下载花费的时间。

代码语言：javascript 代码运行次数：0

运行 复制 ```javascript # 克隆软件仓库 git clone https://ghfast.top/https://github.com/ai4nucleome/BioMaster.git cd BioMaster # 激活以前安装的conda source ~/miniconda3/bin/activate # 据说现在miniforge是主流，不过我还是用了mamba创建虚拟环境 mamba create -n agent python=3.12 -y # 激活环境 conda activate agent # 安装依赖 pip install -r requirements.txt # 放入data的demo数据 # 链接: https://pan.baidu.com/s/1t9I63lucrjdWjSK09NVxwQ?pwd=ai4s 提取码: ai4s # 填入API key后运行 python run.py ```

demo测试的一波三折 首先使用了国产之光deepseek的API，发现其代码能力已经接近claude 3.7，但无奈发现不行。接着尝试了一个三方供应商，结果仍然不行。最后，看到作者使用的是一个特定的三方供应商，于是决定用同样的再测试一下，终于成功运行了。在cline插件的引导下，发现软件使用了多个模型，不是简单的修改run.py就可以，有o3-mini、gpt-4o和text-embedding-ada-002。这些模型都是硬编码在agents/BioMaster.py、agents/CheckAgents.py和ToolAgent.py中，根据名称可以分辨出是专家、检查和执行三个角色的分工。不同的角色使用不同的模型，以达到成本最优化。

软件的另一个优势是，如果不是新任务，会自动有存档，切换运行模式，就像搭建流程和运行流程两种工作。当然，目前的AI更多还是在应用已有知识，所以新流程和软件的开发还有待于专家的推动。

复盘：AI对我的电脑做了什么 首先，看一下软件的安装，虽然我已经有了plink，还是安装了新的。后续应该有待改进，未来的软件安装不需要太多干预！

代码语言：javascript 代码运行次数：0

运行 复制 ```javascript # step1.sh #!/bin/bash which python conda config --set show_channel_urls false conda config --add channels conda-forge conda config --add channels bioconda mkdir -p ./output/007 conda install -y plink plink --bfile ./data/1000GP_pruned --r2 --ld-window 99999 --out ./output/007/ld_decay_results ```

然后，看一下分析结果，结果是顺利输出的，软件安装可能是conda的检索耗时较长，花了十几分钟。

费用情况，注册送了0.3美元，以为不够，充值了一两块，发现整个任务花费了0.03美元，当然如果是复杂任务会花费更多！期待更智能的分析框架的出现！

附上大佬收集的bioagent论文全集仓库：https://github.com/aristoteleo/awesome-bioagent-papers DOI: 10.1101/2025.01.23.634608