知识卡片：面向自主生物分子操作的 AI 原生实验实验室

一句话结论

AutoDNA 是一个“AI 原生”的自主生物分子工程实验室，可跨多种仪器完成多目标核酸实验（合成、转录、扩增、测序），在仅需硬件维护类人工介入的前提下，实现 AI 与自动化系统的协同演化，并在四类应用中达到专家级或端到端可用的结果。

事件概述或研究问题

• 论文标题：An AI-native experimental laboratory for autonomous biomolecular operations（Nature，2026-11-04 在线发表）。
• 研究问题：现有自主实验系统多局限于“单一目标、流程明确、仪器简单”的化学/材料场景，AI 往往以“附加工具”（add-on）方式使用，缺乏对实验的整体理解；能否构建 AI 原生的自主实验室，面向多目标、多仪器、工程化的生物分子实验？
• 提出系统：AutoDNA，定位为 AI 原生的自主生物分子工程实验室，面向跨多种仪器的多目标实验。
• 设计思路：通过模型、实验与仪器的协同设计（co-design），在端到端多用户框架内实现 AI 与自动化系统的共同演化（co-evolution）。

方法/产品要点

• 系统自主编排 20 种以上仪器，执行超过 11,000 步操作。
• 覆盖核心核酸操作：合成（synthesis）、转录（transcription）、扩增（amplification）、测序（sequencing）。
• 人工介入限于硬件维护任务，例如试剂与实验耗材补充。
• 框架特征：端到端（end-to-end）、多用户（multi-user）、多目标（multi-objective）、跨仪器（diverse instruments）。
• 数据与代码：测序数据与智能体相关输出存放于 Zenodo（doi:10.5281/zenodo.20624108）；代码见 GitHub（https://github.com/IPADS-X/AutoDNA）；参考基因组 hg38 来自 NCBI（GCF_000001405.40）。

主要结果或产业意义

论文报告的四类代表性应用结果：

1. 酶促 DNA 合成：产量与专家优化水平相当（matched expert-optimized enzymatic DNA synthesis yields）。
2. 并发实验请求管理：并发协议执行加速 3.2 倍。
3. DNA 数据存储：完成端到端 DNA 数据存储循环，并精确恢复原始数字内容。
4. 癌症检测：识别并验证了一个临床检测到的 KRAS G13D 突变。 产业意义：作者提出面向“science-as-a-service”（科学即服务）的蓝图，指向加速生物发现，并推进合成生物学与信息存储等应用。

为什么重要

• 从“AI 作为任务工具”转向“AI 原生”架构：强调 AI 对实验的整体理解与模型—实验—仪器的协同设计，区别于既往“附加式”自主实验系统。
• 把自主实验室从单一目标、简单仪器的场景推进到多目标、多仪器、工程化的生物分子操作场景。
• 与既有自主实验室/智能体研究脉络相比，本条增量在于：面向核酸操作的端到端多用户框架、跨 20+ 仪器与 11,000+ 步的编排规模，以及 DNA 数据存储与临床突变检测等具体端到端任务的验证。

局限与不确定性

• 论文为 Nature 订阅内容，正文细节（如各应用的具体评价指标、统计方法、误差范围）待核实。
• “matched expert-optimized”的具体比较基准与判定标准待核实。
• 3.2 倍加速的实验条件与适用范围待核实。
• 多用户并发能力上限、系统长期稳定性与失败恢复机制待核实。
• 人工介入“仅限硬件维护”的边界（是否包含异常处理、安全停机等）待核实。

可用于图书/PPT/简报的角度

• “AI 原生” vs “AI 附加”：自主实验室架构范式的转变。
• 科学即服务（science-as-a-service）：自主实验室作为可多用户调用的实验基础设施。
• 端到端闭环案例：从 DNA 合成到 DNA 数据存储再到临床突变检测。
• 自动化与 AI 的共同演化：模型、实验、仪器协同设计的方法论。
• 自主实验室的能力边界：哪些仍需人工（硬件维护、耗材补充），哪些已可自治。

原始材料

• 标题：An AI-native experimental laboratory for autonomous biomolecular operations
• 来源：Nature（Published online: 04 November 2026）
• DOI：10.1038/s41586-026-11228-6
• URL：https://www.nature.com/articles/s41586-026-11228-6
• 作者（部分）：Mingyu Wu, Zhaoguo Wang, Jiabin Wang, Zhiyuan Dong, Jingkai Yang, Qingting Li, Tianyu Huang, Chi Zhang, Ping Song, Lei Zhao, Mingqiang Li, Xiaolei Zuo, Fei Wang, Chunhai Fan, Haibo Chen 等
• 数据与代码：Zenodo doi:10.5281/zenodo.20624108；GitHub https://github.com/IPADS-X/AutoDNA
• 关键词（英文，据摘要）：AI-native experimental laboratory; autonomous biomolecular operations; multi-objective experiments; co-evolution; science-as-a-service