发布靶向测序相关工具，深企AI智能体成果登上Nature子刊

7月31日，读特新闻记者从深企华大智造获悉，其团队联合泰国朱拉隆功大学Nattiya Hirankarn教授的AI智能体“PrimeGen”相关成果于7月30日登上《自然》子刊《自然-生物医学工程》。

据悉，“PrimeGen”是一个干湿协同多智能体系统。其以大型语言模型（LLM）为“中枢大脑”，协调搜索、引物设计、协议脚本生成、实验执行与质控四类智能体闭环协作，将原本需要高度依赖专家经验的引物设计与实验执行步骤，“摇身一变”成为智能、快速、稳定、可追溯、可复制的标准化流程，为靶向测序进入“自动驾驶实验室”时代奠定关键工程基础。

论文成果截图。

研究团队介绍，在呼吸道流行季，公共卫生实验室面临着与时间赛跑的挑战：需要快速识别流行毒株、追踪传播链，并监测耐药性。要实现高效精准的检测，关键在于为目标基因片段设计合适的引物——这相当于为检测系统配制专属“钥匙”。引物与目标序列的关系如同钥匙与锁：必须精确匹配，确保只识别特定目标；同时还要在多重PCR反应（聚合酶链式反应）中，与数百对引物协同工作而不相互干扰。

优质的引物设计需要兼顾多重标准。挑战在于多重PCR检测：当反应体系中包含数百对引物时，每对引物既要保持自身的高效性，又要避免与其他引物产生干扰。PrimeGen的使命就是解决这些难题，把复杂的设计过程转化为易于使用、可广泛复用的工程化解决方案。

具体而言，PrimeGen系统由四大智能体协同运作，包括搜索智能体、引物智能体、协议智能体、实验智能体。在实际使用过程中，研究人员只需用自然语言描述实验目标，即可触发一系列自动化流程，包括目标序列锁定、候选引物与扩增子布局生成、实验协议代码块（APB）组装、液体处理机器人脚本生成、多视角视觉语言模型（VLM）质控、结果回写与参数微调，并最终形成完整的实验闭环。值得注意的是，过程中的关键决策节点仍由人工把控，确保安全性与可控性。

PrimeGen功能总览图。图源：华大智造

搜索与引物设计智能体的真实运行预览。图源：华大智造

一系列测试结果表明，PrimeGen有效减少了重复实验次数、提升实验稳定性，并整体降低时间与成本开销。系统运行周期的具体优化幅度将根据任务规模、人工审校流程与实验组织方式的不同而有所差异。

华大智造副总裁、论文通讯作者杨梦博士表示：“PrimeGen的突破验证了将先进AI智能体与我们的自动化硬件平台（如AlphaTool）深度融合的巨大潜力，也是华大智造实验室智能自动化业务为科研人员赋能的优秀范例。未来，我们将持续帮助客户打通实验室‘干实验’与‘湿实验’全链路，构建‘设计→执行→优化’的自进化闭环。”

此外，读特新闻记者了解到，上述研究团队两年前曾在《自然》子刊发表过蛋白自博弈AI智能体成果。蛋白自博弈AI智能体能够利用强化学习算法，高效设计功能蛋白。

编辑 刘悦凌 审读 郭建华 二审 李怡天 三审 徐雅乔