تیم تحقیقاتی دانشگاه استنفورد به سرپرستی «Jiacheng Miao» و «James Zou» سامانه‌ای به نام Paper2Agent را معرفی کرد که روز ۱۶ سپتامبر ۲۰۲۶ در مجله Nature منتشر شد. هدف اصلی این پروژه، شکستن مرز میان متون علمی پیچیده و اجرای عملی آن‌هاست. در گذشته، دسترسی به روش‌های محاسباتی اغلب نیازمند کلون کردن، نصب و دیباگ کردن کدهای خام بود، اما Paper2Agent این فرآیند را با تبدیل مقاله و کدبیس آن به یک سرور مدل Context Protocol (MCP) ساده‌سازی می‌کند.

نحوه عملکرد و اعتبارسنجی سخت‌گیرانه#

این سامانه بر پایه SDK عامل‌های Claude Code کار می‌کند و از یک ارکستراتور مرکزی برای مدیریت شش مرحله استفاده می‌نماید: دانلود کد، ساخت محیط مجازی، شناسایی آموزش‌ها، اجرای آن‌ها، استخراج ابزارها و در نهایت组装 به یک سرور واحد. نقطه عطف این فرآیند، مرحله اعتبارسنجی است. تنها زمانی ابزاری به لیست نهایی اضافه می‌شود که خروجی‌های عددی آن با دقت ۳ درصد با منابع اصلی مطابقت داشته باشند و نمودارها از نظر بصری (با فاصله همینگ کمتر از ۲۰) شبیه‌سازی شده باشند.

عملکرد در تست‌های زیست‌شناسی و مقیاس‌پذیری#

در آزمایش‌های انجام‌شده روی مدل AlphaGenome، ساخت ۲۲ ابزار تأییدشده حدود ۴۵ دقیقه طول کشید و هزینه‌ای معادل ۱۴ دلار داشت. این عامل در پاسخ به سوالات جدید و باز، عملکردی بهتر از روش‌های سنتی مانند دسترسی مستقیم به ریپازیتوری یا استفاده از Biomni نشان داد. جالب‌تر اینکه این ابزار توانست در تحلیل یک واریانت کلسترول LDL، ژن SORT1 را به عنوان علت احتمالی شناسایی کند؛ نتیجه‌ای که با تمرکز اصلی مقاله اولیه بر ژن‌های دیگر تفاوت داشت و پیچیدگی انتساب علّی در این ژنوم را آشکار ساخت.

آزمون‌های مقیاس بزرگ‌تر نیز موفقیت‌آمیز بودند. از میان ۱۰۰ مقاله بیوانفورماتیک در bioRxiv، ۷۴ مورد به عامل‌های قابل‌اجرا تبدیل شدند و ۵۹۳ ابزار از ۵۹۹ ابزار پیشنهادی با موفقیت اعتبارسنجی شدند. علاوه بر این، سه عامل مستقل (AlphaGenome، MPRA و Perturb-seq) به صورت هم‌زمان توانستند ژن GPR137 را به عنوان کاندیدای قوی برای بیماری پسوریازیس معرفی کنند. کد این پروژه با لایسنس MIT در دسترس است و سرورهای آماده‌ی آن بر روی Hugging Face Spaces میزبانی می‌شوند.

منبع: MarkTechPost