La ciencia está entrando en su Era Agencial ¡Presentamos el mapa del ecosistema de IA científica! 🗺️ Mapeamos las herramientas, modelos y marcos agénticos que impulsan el nuevo sustrato para bio Construido para ayudar a los fundadores, investigadores y constructores a navegar por la explosión de la IA científica Vamos a desglosarlo🧵

Los agentes científicos de IA ya no son ciencia ficción 👾 Pueden: → Investigación agregada de SOTA → Formular hipótesis científicas → Diseñar y ejecutar experimentos Pero todos los laboratorios se construyen en silos. Es por eso que vemos una clara necesidad de agregar a lo que está creando el mundo de la ciencia agencial web2.

Con ese fin, está llegando la era de la "inteligencia científica colectiva". Desde la minería de literatura hasta la automatización de laboratorios, hemos mapeado las 5 capas clave que impulsan la IA científica y avanzan en el espacio👇 del diseño biológico

1. Conocimiento y fuentes de datos Todo comienza con los datos. Los agentes científicos extraen de: • PubMed, Dataverse (artículos y datos académicos) • PDB, UniProt (proteínas) • ChEMBL, PubChem (química) • Reactoma, Ontología Génica (vías) • AACT (ensayos clínicos) • @biorxivpreprint (preprints)

2. Capas de orquestación agencial Estas herramientas dan vida al razonamiento. Ejemplos: • @ElizaEcoFund - marco de agente plug-and-play • ChemCrow - asistente de química • BioMCP / PubMedMCP - servidores de literatura • "Coscientist" - agente de laboratorio autónomo • @PrimeIntellect - Infraestructura de agente modular

3. Modelos de fundamentos y dominios Los caballos de batalla de alto octanaje. Ejemplos: • AlphaFold 2 - predicción de estructura • Evo 2 - modelado genómico (Arc Institute) • Geneformer - expresión génica • ChemGPT - razonamiento químico • ESM-3, PaLM-2, Claude 3 - andamios lingüísticos

4. Ejecución de experimentos y simulaciones IA ejecutando experimentos. Los sistemas incluyen: • Opentrons: robots de laboratorio impulsados por API • INDRA - modelado mecanicista • Inferencia PyMOL / AlphaFold • Simulación basada en la nube: OpenMM, Foldit • SMART-on-FHIR: integración temprana de EHR

5. Plataformas y asistentes orientados a los científicos Donde la IA se encuentra con los investigadores. • @GoogleAI Co-Científico: lluvia de ideas de hipótesis • @FutureHouseSF - Preguntas y respuestas, revisiones sistemáticas, planificación química • Consensus & Elicit: revisiones estructuradas de artículos • Biomni, Iris, Scite - agentes de papel especializados • @vita_dao AUBRAI, ChatPaper - copilotos de investigación de IA

Juntas, estas herramientas forman una nueva pila de investigación: → Los modelos interpretan la biología → Los agentes orquestan el razonamiento → Plataformas brindan asistencia → La robótica y la simulación cierran el círculo

El Mapa del Ecosistema de IA Científica no es solo una lista de herramientas. Es un modelo para bio/acc 🧪 De la búsqueda → a la síntesis Del análisis → a la acción De → de conocimiento estático a sistemas que aprenden