Murmurent 把智能体 AI 架在实验室协作之上，并用于寻找 Pin1 候选抑制剂
核心概要
作者提出并开源了 Murmurent——一套位于智能体 AI 之下、面向生物医学实验室的共享软件，提供多成员项目与“编排”基础设施、面向生物医学数据科学任务的专用智能体、分层记忆、可追溯记录、SOP 与数据治理执行以及多用户协作能力，并用该系统识别 Peptidyl-prolyl cis-trans Isomerase NIMA-interacting 1（Pin1）的候选抑制剂，描述了几条识别路径及其结果。
Fig. 1 Architecture of Murmurent. (A) Member view. Every Murmurent user (PI of a group (lab or core), group members, mayor in administration) draws on the same resource families: reference agents for common day-to-day tasks which can be easily customized for the user’s domain-specific challenges, rules for security/privacy, secure machines and installations, an electronic lab notebook, different types of memory, along with pre-developed skills/routines/workflows available in most agentic AI systems; and a community interface of Model Context Protocol (MCP) servers that expose external databases and institutional services into a shared choreography. (B) Social structure. An administration tier provides oversight across the labs and cores; each such group carries its own Security Guard, Oracle, chat channel, and dedicated storage. Projects can be scoped to a single lab (red) or span multiple labs (green). (C) Detail on two foundational agents. The Millwright handles provisioning (per-project GitHub repositories and chat channels, dedicated storage, adjuvant knowledge databases). The Security Guard enforces the data-governance invariants described in Methods (hooks against overwriting files under immutable/ or append only/, storage permissions, GitHub collaborator scope, chat privacy, inter-entity message and data transfer auditing).
bioRxiv · 第 5 页深度剖析
论文提出 Murmurent，一套位于智能体 AI 之下的共享软件层，为实验室提供技能、流程与保护措施，使实验室不必各自独立开发这些能力。 相对于直接使用为软件工程设计的商业智能体 AI 系统，该工作把重点放在生物医学数据科学场景所需的流程与治理上，而非仅依赖更强的模型。 依据摘要中对系统定位与目标的陈述；原文为不完整读取，未包含实现细节或评测数据。
系统包含六项能力：支持多成员项目与“编排”的基础设施、面向典型生物医学数据科学任务（含软件与统计开发、数据可视化、文献检索、EDID 审查等）的专用智能体、可保留研究决策与中间/衍生输出及敏感数据并据此自动构建更好上下文的分层记忆、用于规划与执行分析及软件构建并避免重复走入死胡同的可追溯记录、面向全体成员的数据维护与数据治理 SOP 执行，以及多用户协作能力。 把记忆、可追溯性、SOP 执行与多用户协作作为系统的一等组件，回应了摘要所指出的技术门槛、数据管理与隐私安全等障碍。 依据摘要中对六项组件的逐条列举；原文未提供各组件的技术细节或性能评估。
作者用该系统识别 Pin1 的候选抑制剂，并描述了几条识别路径的构建及其结果；Pin1 因催化位点浅而难以靶向。 把智能体 AI 环境应用于一个具体且被摘要描述为难以靶向的靶点，作为系统在真实生物医学研究任务中的使用示例。 依据摘要中对该应用与靶点特征的陈述；原文未给出候选化合物的数量、活性数值或验证实验细节。
Murmurent 是开源的。 以开源方式发布，使其他实验室可以复用而非各自重建同类基础设施。 依据摘要末句的明确陈述；原文未提供代码仓库地址或许可条款。
启示与展望
该工作面向协作型学术生物医学实验室，尤其是需要多名成员共同处理数据、共享流程并遵守数据治理规则的课题组；它意在让实验室无需各自开发技能、流程与保护措施即可使用智能体 AI。摘要所述的应用场景是识别 Pin1 的候选抑制剂，因此结果适用于这一靶点探索情境以及类似的生物医学数据科学任务。开源发布意味着其他团队可以在自身环境中复用与扩展该共享层。
当前读取范围不完整，仅有摘要，因此无法得知各组件如何实现、专用智能体如何分工、分层记忆与可追溯记录如何影响分析质量，也无法得知 Pin1 抑制剂识别路径的具体设计与产出（例如候选化合物数量或活性数据）。摘要提到“描述了几条识别路径及其结果”，但这些结果的具体内容不在已读文本中。此外，摘要未说明系统在真实实验室中的使用规模、评估方式或与其他方案的比较，这些都属于读者仍需留意的开放问题。