农科院深圳基因组所发表基因组育种AI智能体BOLE

近日，中国农业科学院深圳农业基因组研究所李奎等研究团队在bioRxiv上发表题为“BOLE: a knowledge-enhanced multi-agent AI framework for autonomous genomic breeding analysis”的论文。这篇论文介绍了 BOLE（伯乐），一个面向基因组育种智能分析的知识增强型多智能体AI框架，能够将用户高级分析意图自动转化为可验证的执行工作流，实现了全基因组关联分析、遗传力估计、种质评价与基因组选择等核心育种任务的端到端自主分析，显著降低了基因组育种的技术门槛并提升了分析的可复现性。

背景与意义

研究背景

• 数据爆炸但应用困难：高通量基因型和表型数据的快速积累推动了基因组育种的发展，全基因组关联分析（GWAS）、基因组选择（GS）等方法已成为现代育种的核心技术。
• 实际应用瓶颈：尽管统计方法和软件工具日趋成熟，但实际操作中需要协调使用异质性的命令行工具、统计环境和自定义脚本，对数据格式、参数设置和软件依赖有严格要求。
• 专家依赖问题：育种研究者不仅需要数量遗传学领域知识，还需具备高级计算技能来手动设计、调整和维护复杂分析流程，这限制了技术的可及性和可扩展性。

现有解决方案的局限

• 现有的工作流管理平台（如Nextflow、Galaxy）大多依赖预定义的静态流程或需要手动配置分析步骤。
• 用户仍需自行选择合适方法、解决数据兼容性问题、调整实验设计，难以实现真正的自动化。

BOLE的创新价值

• 引入多智能体系统（MAS）范式，实现分布式推理、任务分解和自主决策。
• 将工作流构建从"手动工程任务"转变为"推理问题"，弥合方法学创新与实用化应用之间的鸿沟。

研究方法

2.1 系统架构与多智能体框架

BOLE采用基于Web的多智能体架构，包含四个核心智能体：

技术栈：

后端使用FastAPI框架，前端采用React+Vite构建，提供终端式执行监控界面和自然语言交互环境。

2.2 大语言模型的集成

• 使用DeepSeek和Qwen系列开源大模型作为推理组件
• 关键约束设计：LLM不作为分析逻辑的自主执行器，而是在结构化知识库的约束下运行
• 所有决策必须符合输入-输出契约、软件依赖和领域特定规则，确保可重现性
• 模型无关性：支持替换不同LLM后端而不改变工作流逻辑或分析结果

2.3 育种知识库的形式化

构建了结构化的JSON格式知识库，每个分析模块包含：

• 脚本元数据：ID、任务类别（GWAS/GS/QC等）、描述
• 输入规范：数据类型（基因型/表型）、格式（PLINK/VCF/CSV）、必需字段
• 输出规范：结果类型、格式、下游兼容性标签
• 参数配置：必需/可选参数及默认值
• 执行约束：软件依赖、运行环境

这种形式化将传统生物信息学脚本转化为可互操作的计算构建块，支持自主组装复杂分析流程。

2.4 核心分析模块实现

集成了行业标准生物信息学工具：

• GWAS：PLINK（线性回归）、GCTA（混合模型线性关联MLMA），自动生成曼哈顿图和显著位点识别
• 基因组选择：BayesA/B/C、BRR、BL、GBLUP等多种统计模型，通过K折交叉验证评估预测准确性
• 遗传力估计：基于线性混合模型，支持仅表型数据（REML）和基因型数据（基因组关系矩阵）两种模式
• 种质评价：使用ADMIXTURE进行无监督聚类，自动通过交叉验证误差分析选择最优祖先群体

研究结果

3.1 从用户意图到可执行工作流的自主转换

• BOLE接受抽象任务描述，通过多智能体协调自主构建完整工作流
• 规划智能体将请求分解为原子目标，查询知识库识别兼容模块
• 动态推断中间处理步骤（如基因型质控、格式协调、数据验证）
• 无需预定义静态流程，展示了对异质工具的推理能力和对不同数据条件的适应性

3.2 跨核心功能模块的端到端分析

从原始基因型和表型数据出发，BOLE自主执行了：

• 遗传力估计：基于基因组关系矩阵计算遗传贡献（图4A）
• 种质评价：生成ADMIXTURE群体结构分析结果（图4B）
• 基因组选择：协调多种预测模型，输出标准化交叉验证下的预测准确性指标（图4C）
• GWAS分析：生成曼哈顿图，识别与目标性状相关的位点（图4D）

所有分析在单一自主工作流中完成，模块间无需人工干预或重新配置。

3.3 自主工作流的一致性与可重现性

• 重复运行相同分析意图和数据集，系统始终生成相同的工作流结构
• 基于知识库的确定性推理确保相同输入产生相同工作流
• 执行产物（中间文件、最终结果）被保存并可追溯（图5）
• 产物感知执行模型支持每个分析步骤的透明检查，促进可重现研究实践

3.4 动态跨任务工作流组合

设计了多阶段育种分析场景验证灵活性：

1. 第一阶段：用户请求目标性状的GWAS分析，BOLE自主构建并执行完整关联分析流程
2. 第二阶段：用户基于GWAS结果请求GS分析，BOLE推理识别可用的中间产物，验证数据兼容性，组装包含上游GWAS输出的可执行GS工作流

结果表明BOLE支持基于用户意图和中间结果的动态跨任务推理，超越了孤立的特定任务工作流，能够适应真实育种场景中常见的探索性和迭代性分析需求。

讨论

主要贡献

1. 从固定流程到意图驱动编排：传统系统要求用户预先设计分析序列，BOLE基于用户意图和知识库约束动态合成工作流，同时保持可重现性。
2. LLM的约束性使用：LLM作为受约束的推理组件而非无约束的分析逻辑生成器，所有输出必须符合确定性规范，确保系统级确定性而非自由形式的语言生成。
3. 非固定跨任务工作流支持：能够基于中间输出自主推理并组装兼容的下游工作流，无需预定义的复合流程，支持真实育种中的探索性分析。
4. 产物感知执行与可追溯性：每个分析步骤的中间文件、参数、日志和动态生成脚本均被保存，支持方法学透明度和结果审计。

局限性

• 不替代专家知识：BOLE旨在降低技术应用门槛，而非取代育种或统计遗传学专业知识，也不提出新的分析模型。
• 知识库依赖性：系统性能和分析广度受限于知识库的完整性和质量，扩展到新领域需要精心策划兼容脚本和元数据。
• 需持续验证：当前实现已在核心基因组育种任务中证明稳健性，但大规模部署和更广泛的社区采用需要持续验证和扩展。

未来展望

BOLE代表了向智能、自主基因组育种分析迈进的一步，为智能生物信息学系统的未来发展提供了基础，为更可及、更可重现的基因组育种提供了可扩展的路径。

可用性

• 在线服务：http://114.80.39.6:8089/
• 开源协议：CC-BY-NC-ND 4.0国际许可
• 预印本发布：bioRxiv，2026年2月6日，DOI: 10.64898/2026.02.04.703673

AI育种如火如荼，初级工程师将被淘汰，真正懂业务懂需求的高级工程师反而显得更为重要了，我们专做有价值的生信和数据分析工作。AI不能解决的，我们帮您完成。