收录解读
这篇论文把多智能体科研系统从“写写方案、做做文献总结”的阶段推进到了真正的实验科学闭环。作者提出 Virtual Lab：由 LLM Principal Investigator 代理统筹、一组不同角色的 LLM scientist 代理协作，再由人类研究者提供高层反馈，共同完成复杂、跨学科的科研任务。目标不是生成文字结论，而是提出可执行的蛋白设计方案并走到实验验证。
论文把这套系统应用到 SARS-CoV-2 新变体的 nanobody 设计上。Virtual Lab 不是直接吐出答案，而是在一系列研究会议中协调使用 ESM、AlphaFold-Multimer 和 Rosetta，构建出新的计算设计流程，并据此设计出 92 个新 nanobodies。后续实验验证显示其中一批具有有前景的结合特性，尤其有两种新 nanobodies 在保持对祖先毒株良好结合的同时，对较新的 JN.1 或 KP.3 变体表现出更优结合。
这篇论文值得收录，因为它建立了一种高价值的新 scientific workflow pattern：AI agents 不再只是科研辅助工具，而是能围绕真实目标组织研究步骤、调用异构生物计算工具、提出候选并进入实验验证。和很多 agent-for-science 论文不同，这里最重要的不是 benchmark 分数，而是完整的‘agent-driven design -> wet-lab validation’闭环已经出现。对 AI for science、自动科研系统和生物设计平台，这都是强外溢信号。
它没有升到更高一级，原因在于这条路线还没有广泛扩展到更多任务与实验室场景，现阶段更像一个极强的工作流样板而不是已经稳定普适的范式基础设施。另外系统仍依赖人类高层反馈，不是完全自治的科学发现平台。因此更适合定为 disruptive，而不是更高一级。