科研论文是知识传播的基本单元，但论文本身是被动的：读者要找到它、读懂它，再把方法移植到自己的数据上。对计算生物学论文来说，这往往意味着克隆代码、配环境、装依赖、搞懂API层级，即使代码开源，门槛也很高。AlphaGenome这类基因组规模基础模型能力强，但设置部署需要不少技术功底，普通生物学家并不容易上手。 2026年9月16日，斯坦福大学James Zou（邹昊）团队在Nature在线发表题为“Reimagining research papers as interactive and reliable AI agents”的研究论文，Paper2Agent尝试解决这个问题。它把一篇论文转化为一个AI代理，相当于给论文配了一位“虚拟通讯作者”。 转换过程先让多个代理自动分析论文手稿、补充材料、代码库和工作流，识别关键贡献，再把它们封装成一个符合模型上下文协议（MCP）的服务器。MCP是连接大语言模型与外部工具的标准接口，一旦建好，用户就能用自然语言直接提问，代理则会调用论文里的工具、代码和流程去执行任务。 Paper2Agent 概述（图源自Nature） 案例很有说服力。Paper2Agent把AlphaGenome变成代理后，用户不用下载代码，只需要问“解释这个变异体在肌肉细胞中染色质可及性方面预期的影响”，代理就会调用模型完成分析。它还把Scanpy和TISSUE整合成单细胞与空间转录组分析代理，验证其能复现原始论文结果，也能回应全新的查询。更进一步的场景是创建多个协作代理，共同筛选银屑病因果基因，展示了代理与代理之间的协作能力。 这项工作的启发在于，研究产出不一定只能是文档或代码库，也可以变成能对话、会执行、可协作的知识实体。它把“读者适应论文”变成“论文适应读者”，真正降低计算方法的再使用门槛。当然也要清醒：代理能力上限受原始代码质量制约，大模型也可能产生貌似合理的错误推断，自动化测试只能部分兜底。但作为一种科学传播新范式，Paper2Agent已经让人看到“与论文协作”而非“阅读论文”的未来雏形。 参考消息： https://www.nature.com/articles/s41586-026-11044-y 特别