摘要作者提出了Paper2Agent这一自动化框架用于将研究论文转化为人工智能artificial intelligenceAI智能体。该框架把传统被动型研究成果重构为主动型系统以加速方法使用与科学发现。常规论文要求读者自行理解并改写其代码、数据与方法形成传播与复用障碍Paper2Agent通过将论文转换为可充当“虚拟通讯作者”的AI智能体将其正文、补充材料、数据集、代码与分析流程以**智能体原生知识agentnative knowledge而非静态文本的形式暴露出来。系统使用多个子智能体分析论文与代码库构建模型上下文协议Model Context ProtocolMCP**服务器并自动生成与运行测试以改进和增强该服务器的鲁棒性。所得论文MCP可接入对话智能体例如Claude Code通过自然语言完成复杂科学查询并调用论文工具与工作流。案例研究表明Paper2Agent可基于AlphaGenome解释基因组变异基于Scanpy与TISSUEtranscript imputation with spatial singlecell uncertainty estimation开展单细胞与空间转录组分析并能复现原论文结果并执行新查询多智能体协作还可优先确定银屑病因果基因。该工作将静态论文重构为可交互AI智能体提出了知识传播与AI共同科学家协作生态的新范式。keyword模型上下文协议MCP论文智能体paper agent可复现性基因组变异解释单细胞转录组AI共同科学家Miao, J., Davis, J. R., Zhang, Y., Pritchard, J. K., Zou, J. (2026). Reimagining research papers as interactive and reliable AI agents. Nature. https://doi.org/10.1038/s41586-026-11044-y期刊Nature2025年度期刊影响因子Journal Impact Factor为56.12026年JCR发布综合性科学Q1发表时间2026年9月16日在线发表接收2026年8月14日提交2025年10月13日开放获取研究总结Paper2Agent研究框架框架构建多智能体流水线模型上下文协议服务器工具与资源与提示案例验证AlphaGenome基因组Scanpy单细胞TISSUE空间转录组规模评估百篇计算生物学发现型论文资源层非生物学计算论文协同发现多智能体协作银屑病因果基因全基因组关联重评背景介绍研究论文仍是科学交流的基本单元但其本质为被动对象读者需完成检索、理解、改写代码与适配数据等步骤才能将方法用于自身问题。尤其当论文附带计算工具时环境配置、依赖安装、输入输出来源与参数语义均构成技术门槛。既有可执行论文、Papers with Code、Binder、CodeOcean以及从文本生成代码等方案提升了可复现性但未根本消除理解、定制与新项目迁移成本。近年来基于大语言模型的科研智能体可进行推理与工具调用但多数仍依赖用户自行掌握代码库。MCP作为连接大语言模型智能体与外部工具、数据集的标准协议为将论文方法封装为可调用的结构化接口提供基础。作者据此构建Paper2Agent将论文正文、补充材料、代码、示例数据与工作流统一封装为MCP服务器并通过智能体层实现自然语言交互、自动执行与跨论文协作。重要结果结果1 Paper2Agent系统架构与六步转化流程Paper2Agent由Paper2MCP与智能体层组成。前者从论文与代码库抽取核心贡献构建包含MCP工具可执行函数、MCP资源正文、代码、数据、图表等静态资产与MCP提示多步分析工作流模板的服务器后者将MCP服务器包装为上下文提供者接入大语言模型以实现问答、演示与新数据分析。整体流水线包括定位代码库、环境配置、教程发现、教程执行审计、工具抽取与测试改进、MCP服务器组装六个步骤子智能体通过标准化报告传递中间结果最终形成可远程部署且可复用的论文智能体。figure1展示Paper2Agent总体架构a与六步转化流水线b。a面板说明多智能体如何分析论文与代码库以构建MCP服务器并将工具、资源与提示通过智能体层接入对话系统b面板依次展示代码库定位与下载、隔离环境配置、教程扫描、教程端到端执行与审计、工具抽取测试优化、MCP服务器组装与远程部署。结果2 AlphaGenome模型上下文协议工具集与多模态可视化作者将AlphaGenome论文转化为智能体自动生成22个通过验证的MCP工具覆盖单变异与批量变异评分、序列水平预测、组织本体查询及多模态可视化。其中score_variant_effect用于跨基因表达、剪接、染色质可及性等模态预测变异效应visualize_variant_effects可按序列上下文长度、目标模态例如RNA测序、ATAC测序、ChIP测序组蛋白轨生成解释图且每个工具内嵌原始代码溯源链接。figure2a展示AlphaGenome MCP工具全景包括变异效应评分、批量评分、序列预测、组织本体探索与可视化套件示例给出某一变异在 multiple modalities 下的预测输出与图形化结果体现工具对多种功能 assay 的覆盖。结果3 AlphaGenome基准准确率与运行效率在15个教程衍生查询与15个新异查询上Paper2Agent生成的智能体分别取得98.7±1.3%与100.0±0.0%准确率优于直接访问代码库的ClaudeRepo82.7±3.4%与78.7±4.4%以及Biomni37.3±4.0%与56.0±3.4%30个开放式多步查询准确率为82.7±2.4%。运行时间方面教程衍生与新异查询相较ClaudeRepo分别缩短1.9倍与2.9倍相较Biomni分别缩短3.1倍与3.8倍。结果由独立双专家按预设量表评分评分者一致率96.7%。figure2b以箱线图比较Paper2Agent、ClaudeRepo与Biomni在教程衍生、新异及开放式查询上的准确率每个方法每个基准包含75次查询运行15个查询×5次独立运行点超出须线表示离群值。figure2c展示各方法在中位运行时间上的对比反映Paper2Agent通过预配置工具与环境降低端到端查询延迟的效果。结果4 AlphaGenome自动解读全基因组关联位点作者以原AlphaGenome论文中chr1:109274968:GT与低密度脂蛋白胆固醇关联为例令智能体自主规划输入文件生成、多模态评分、组织过滤、可视化与报告组装。系统经迭代规划—行动—观察循环生成统一解释并优先将SORT1列为因果基因依据包括其在肝组织中RNA测序量子分数达0.99983以及SORT1编码与低密度脂蛋白分泌相关的sortilinGTEx eQTL验证显示该变异对SORT1有显著关联。原论文强调CELSR2与PSRC1二者亦具高量子分数与显著eQTL说明复杂全基因组关联位点存在多基因共调控不确定性。figure2d展示AlphaGenome智能体对全基因组关联位点的自动规划与解释流程包括变异输入、跨模态评分、肝组织过滤、图形生成与最终报告面板强调通过迭代计划—行动—观察循环重评已发表因果基因结论。结果5 Scanpy单细胞预处理与聚类智能体针对Scanpy常用预处理与聚类流程Paper2Agent生成7个通过验证的工具包括quality_control用于质控指标计算、细胞与基因过滤及双胞检测。系统进一步从论文与代码库推断MCP提示将质控、归一化、特征选择、降维、图构建与聚类的顺序固化用户仅提供data.h5ad路径智能体即可自动执行并返回摘要。在四个公开单细胞数据集上其质控后细胞基因数量、各簇差异标记基因均与人类分析师结果一致且在七个多样数据集上可依据数据特征自适应调整参数。figure3a展示Scanpy MCP中的质控工具输出包括质控指标计算、过滤阈值可视化与双胞检测结果体现单个工具对应明确分析子步骤。figure3b展示MCP提示编码的标准预处理—聚类流程按顺序覆盖质控、归一化、特征选择、降维、邻域图与聚类提示要求先检查数据属性再决定是否偏离默认参数。figure3c比较Scanpy智能体与人类分析师在多个数据集上的输出包括质控后细胞基因保留规模、聚类数目及顶级差异标记基因一致性横轴或示例注明仅需提供数据集路径即可复现标准工作流。结果6 多论文智能体协同优先确定银屑病因果基因作者联合AlphaGenome、MPRA耦合单细胞CRISPR干扰scCRISPRi以及CD4T细胞Perturbseq三个论文智能体分析银屑病相关变异rs887314。AlphaGenome在CD4T细胞中预测GPR137为受影响最强基因RNA测序量子分数0.997随后智能体检索scCRISPRi的顺式调控元件扰动签名与Perturbseq的基因敲低签名在Rest、Stim8hr、Stim48hr三种条件下做相关性验证。仅GPR137敲低与顺式调控元件扰动签名在刺激条件下显著相关Stim8hr Spearman ρ0.613P3.79×103Stim48hr ρ0.630P4.71×103错误发现率0.05BAD等其余候选无显著相关支持GPR137为该位点激活依赖性因果基因。legendfigure4展示多智能体协同流程与签名相关性结果。上部分为用户输入、AlphaGenome预测GPR137及跨智能体验证请求下部分散点展示顺式调控元件扰动后与各候选基因敲低后下游表达签名的相关性按Rest、Stim8hr、Stim48hr分组标注Spearman ρ与双侧P值并经BenjaminiHochberg校正错误发现率0.05排除被扰动基因本身后的线性拟合以虚线表示。方法学参考定位并克隆论文代码库构建隔离软件环境扫描并筛选教程材料端到端执行教程并审计输出抽取可复用函数并参数化自动测试与迭代修复组装模型上下文协议服务器远程部署并接入对话智能体上述流程中环境子智能体创建独立虚拟环境教程扫描子智能体区分真教程与其他文件教程执行子智能体运行示例数据并记录数值、图形与运行时约束工具抽取子智能体将教程转为单功能Python模块对文件路径、阈值、列名等硬编码值参数化并加MCP装饰器测试验证子智能体以教程输出为真值要求生成预期文件、数值浮动容差3%、图形经感知哈希比对且汉明距离20单函数最多六次修复尝试反复失败则移除MCP装饰器。最终由编排智能体整合已验证模块、清单与版本信息形成可接入Claude Code等系统的MCP服务器。该模式可直接迁移至其他计算论文的方法封装、教程自动化验证与新数据复用。总结Paper2Agent将论文由静态文档转为可交互、可验证、可协作的智能体原生对象。其价值不在于替代研究者判断而在于降低代码使用门槛、锁定可复现工具、支持对已发表结论进行再评估并通过多MCP并联实现跨方法、跨数据集与跨领域的自动协作。大规模评估显示计算生物学论文中部分仓库因缺失可执行代码、数据或存在环境依赖故障而无法完全智能体化因此智能体可用性也可作为可复现性的实践指标。未来期刊或可增设“智能体可用性agent availability”声明与数据、代码可用性并列同时需对安全、知识产权与署名问题建立规范。开放式科学推理仍应保持人在回路智能体负责执行、复现与假设候选生成研究者负责方向选择与证据评价。参考文献Miao, J., Davis, J. R., Zhang, Y., Pritchard, J. K., Zou, J. Reimagining research papers as interactive and reliable AI agents. Nature, 2026. https://doi.org/10.1038/s41586-026-11044-yPaper2Agent代码仓库https://github.com/jmiao24/Paper2AgentAlphaGenome MCP服务器https://huggingface.co/spaces/Paper2Agent/alphagenome_mcpAlphaGenome智能体在线演示https://huggingface.co/spaces/Paper2Agent/alphagenome_agentScanpy MCP服务器https://huggingface.co/spaces/Paper2Agent/scanpy_mcpTISSUE MCP服务器https://huggingface.co/spaces/Paper2Agent/tissue_mcp模型上下文协议MCP技术规范与生态https://modelcontextprotocol.ioClaude Code智能体开发工具https://docs.claude.com/en/docs/claude-codeHugging Face Spaces远程部署平台https://huggingface.co/spacesNature期刊指标与投稿信息https://www.nature.com/nature/journal-information 以及 https://www.nature.com/nature期刊影响因子56.1为2025年度JCR、2026年发布数据
