GenoMAS

这个 Agent 能做什么，适合哪些场景？

GenoMAS 包含一个用于科学工作流自动化的极简多智能体框架，以及一个面向基因表达数据分析的专用实现。框架采用类型化消息通信和类似 Notebook 的工作流，使智能体能够规划、编写代码、执行、调试并在多步骤任务中回溯。专用系统处理来自 GEO 与 TCGA 的转录组数据，目标是在考虑混杂因素的前提下识别与性状相关的显著基因。实验通过命令行运行，结果按 GenoTEX 约定写入 output/preprocess、output/regress 和日志文件。它需要本地数据目录、Python 环境及至少一个模型提供商的 API 密钥；也可通过 Ollama 使用本地模型。

用户以 python main.py 启动实验，并通过 --version、--model、--api 和 --data-root 指定运行配置。系统读取 GenoTEX 输入数据，执行队列式的基因表达预处理与回归分析，并将预处理 cohort 数据写入 output/preprocess/{trait_name}/、将回归结果写入 output/regress/{trait_name}/。它支持为 Code Review、Domain Expert、Data Engineer、Statistician 和 planning 机制分别设置模型及 API 索引；--parallel-mode cohorts 可并发处理 cohort。--generate-action-units 会依据智能体 guidelines 生成 Action Unit 提示词，默认允许人工编辑后确认，配合 --non-interactive 时可无交互继续。运行日志保存为 ./output/log_{version}.txt，若中断，以相同命令重跑可利用检查点恢复。

1. 计算基因组学研究人员需要对 GenoTEX 中的大量性状—条件组合执行一致的基因表达预处理和回归分析。
2. 拥有 GEO 或 TCGA 转录组数据的生物信息团队希望在控制混杂因素时筛选与目标性状相关的显著基因。
3. 研究工程师希望为代码审查、领域专家和统计任务分配不同模型，测试异构模型配置。
4. 需要先验证 cohort 预处理质量、暂不运行完整统计分析的团队可使用 --quick-test 进行小规模测试。
5. 受 API 速率限制约束但希望缩短墙钟时间的用户，可用 --parallel-mode cohorts 和有限的 --max-workers 并行处理。

如何安装或部署这个 Agent？

创建环境并安装依赖：

conda create -n genomas python=3.10
conda activate genomas
pip install -r requirements.txt

复制配置模板并至少填写一个模型提供商的 API 密钥：

cp env.example .env

使用 OpenAI 模型时还需要组织 ID。输入数据需另行下载到数据根目录；默认数据根目录为 ../data。

如何使用这个 Agent？

先检查已下载数据：

cd download
python validator.py --data-dir /path/to/data --validate

随后从项目根目录运行一个基础实验：

python main.py --version exp1 --model gpt-5-mini-2025-08-07 --api 1

如需指定数据位置，可追加 --data-root /path/to/data。小规模预处理验证可使用 --quick-test；本地 Ollama 模型可通过例如 --model llama3.1 运行。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

[![FARS 评测](https://followagents.com/badge/genomas.svg?lang=zh)](https://followagents.com/zh/agents/genomas)

<a href="https://followagents.com/zh/agents/genomas"><img src="https://followagents.com/badge/genomas.svg?lang=zh" alt="FARS 评测"></a>

常见问题