测试BioMaster: AI生信分析的demo测试

从去年吴恩达说agent（智能体）将大有可为，到dify等开源智能体以及Manus（多智能体应用）的爆火，AI智能体进入多智能体时代，应用也逐渐成熟。最近对两个AI的方向比较感兴趣，一个是GUI Agent, 比如GLM PC, 字节开源的UI-TARS等，但是相对来讲还是还处于初级阶段的。关注这个是因为想让自己许多相对简单的工作部分给到AI处理。

另一个方向，可以说两者有一定的交叉，就是生信分析的智能体啦，希望生信分析惠及每个人，只要有足够硬件，AI就能在标准分析框架下完成分析，有利于数据分析的可重复性，促进科学发展和进步。国内也有大佬测试了多智能体的生信分析，今天就测试下。

软件安装

软件是今年一月份上传到了生物预印本服务器，相信未来更新的文章肯定在这种预印本上发布，因为在AI领域已经是这样，做一个项目，需要上百人团队，很强的硬件，只有两周的时间，就要完成一篇论文，否则就有同行发出啦！所以这也启示我们，合作的重要性，以及科研评价的未来改变方向。

软件已经有不少博客等进行了介绍，开始时发现作者没有提供一个使用文档，就暂时没有进行测试，最近作者进行了文档更新，并准备近期发布新的版本，这里就测试一下。

安装就依照官方的文档进行，还是比较顺利的，除了软件下载花费的时间。

# 克隆软件仓库
git clone https://ghfast.top/https://github.com/ai4nucleome/BioMaster.git
cd BioMaster
# 激活以前安装的conda
source ~/miniconda3/bin/activate 
#据说现在miniforge是主流，不过我还是用了mamba创建虚拟环境
mamba create -n agent python=3.12 -y
# 激活环境
conda activate agent
# 安装依赖
pip install -r requirements.txt
# 放入data的demo数据
# 链接: https://pan.baidu.com/s/1t9I63lucrjdWjSK09NVxwQ?pwd=ai4s 提取码: ai4s
# 填入API key后运行
python run.py

demo测试的一波三折

首先使用了国产之光deepseek的API，根据表现其代码能力已经接近了claude 3.7, 无奈发现不行。然后又找了个三方的供应商，发现仍然不行。最后，看到作者用的是一个特定的三方，于是决定用同样的再测试一下，终于跑通了。在cline插件的引导下，发现了软件用了多个模型，不是简单的修改run.py就可以，有o3-mini，gpt-4o，还有个text-embedding-ada-002。因为这些模型都是暂时硬编码在了agents/BioMaster.py， agents/CheckAgents.py和ToolAgent.py，根据这个名字就可以分辨出是专家，检查和执行三个角色的分工。不同的角色使用不同的模型，以达到成本最优化。

软件还有个优势就是如果不是新任务，会自动有存档，切换运行模式，就像搭建流程和跑流程两种工作啦。当然，现阶段的AI更多的还是已有知识的应用，所以新流程和软件的开发还有待于大牛的发力。

复盘：AI对我的电脑做了什么

首先，看下软件的安装，虽然我已经有plink在，还是安装了下。后续应该有待改进，未来的软件安装不需要太多干预啦！

# step1.sh
#!/bin/bash
which python
conda config --set show_channel_urls false
conda config --add channels conda-forge
conda config --add channels bioconda
mkdir -p ./output/007
conda install -y plink
plink --bfile ./data/1000GP_pruned --r2 --ld-window 99999 --out ./output/007/ld_decay_results

然后，看下分析结果，结果是顺利出的啦，软件安装可能是conda的检索耗时比较长，有十几分钟。

费用情况，注册送了0.3美元，以为不够，充值了一两块，发现整个任务花费了0.03，当然如果复杂任务会花得更多啦！期待更智能的分析框架的出现！

附上大佬收集的bioagent论文全集仓库：
https://github.com/aristoteleo/awesome-bioagent-papers
DOI: 10.1101/2025.01.23.634608