OpenBioMed Skills：让生物医药研究不再“靠经验”

清华大学智能产业研究院（AIR）联合水木分子，正式开源了一套专为生物医药研究打造的工具集——OpenBioMed Skills。这不是又一个“AI辅助”的宣传口号，而是一套实实在在能跑起来的代码：45个经过真实科研场景验证的技能模块，直接封装了药企和实验室里专家每天在做的事——从分子设计到蛋白结构预测，从单细胞数据分析到文献与数据库的自动调用。

这些技能不是纸上谈兵。它们被写成可调用的函数，能被研究人员直接接入自己的工作流。比如，你不再需要手动去PDB下载蛋白结构、用PyMOL查看、再人工记录结合位点——现在，一条自然语言指令就能让系统自动完成这一整套操作。你甚至可以通过微信或钉钉发一句“帮我找下CDK4/6抑制剂的最新临床数据”，系统就能自动检索文献、整理表格、返回关键指标。

不是ChatGPT，是懂药的“同事”

市面上很多AI工具，回答问题很流畅，但一碰到具体实验设计就露怯。OpenBioMed Skills不一样——它背后对接的是PharMolixFM、BioMedGPT-R1、MutaPLM等专门为生物医药训练的模型，不是通用大模型。它知道“ADME”和“LogP”意味着什么，知道“分子对接”该用哪个软件，知道“UMAP”和“t-SNE”在单细胞分析里该什么时候用。

一位来自北京某创新药企的研究员在内测中反馈：“以前找一个靶点的已知抑制剂，要翻三四个数据库、查五篇文献、再核对结构式，花两小时。现在输入一句话，10分钟出结果，还能自动标注文献来源。”

从实验室到手机，科研不再被电脑绑住

这套工具不只在实验室电脑上跑。你可以在飞书里@它，用微信发指令，甚至在通勤路上用手机查看分析进度。它不追求“炫技”，而是让科研人员从重复劳动中解放出来——把时间留给思考，而不是复制粘贴。

目前，所有技能代码、使用文档、示例脚本均已开源在GitHub（github.com/OpenBioMed/Skills），支持Linux和Docker部署，无需复杂环境配置。团队同步提供了Jupyter Notebook模板，新手也能在30分钟内跑通第一个分析流程。

真正的改变，从代码开始

清华大学首席研究员、水木分子首席科学家聂再清说：“我们不是在做一个‘AI助手’，而是在重建科研的基础设施。”

过去，新药研发的瓶颈，往往不在技术，而在流程——一个经验丰富的研究员，能带三五个学生，但无法复制。OpenBioMed Skills的目标，是把“专家经验”变成可复用、可验证、可迭代的工具。它不取代人，而是让每个科研人员，都能拥有一个24小时在线、懂专业、不犯错的“数字搭档”。

如果你在做药物设计、靶点发现、组学分析，或者只是每天在Excel里整理实验数据——这套工具，值得你花十分钟试一试。