Lantern Pharma推出ZetaOmics，这是其WithZeta.ai联合科学家平台的计算生物学模块

ZetaOmics引入了一个自主的“计算生物学家”角色（代理），可以在任何癌症类型中执行真正的、端到端的生物信息学和多组学分析，并且专为长期以来一直没有得到专门的计算资源和有意义的生物信息学服务的罕见癌症和儿科癌症而设计。

ZetaOmics首次作为withZeta.ai开发路线图的一部分推出，该公司于2026年5月7日公布，现在从路线图转向现实。它最初是通过一个早期访问计划提供给一组精选的领先学术和行业生物信息学团队以及Lantern Pharma合作者，他们的现实世界使用将在更广泛的商业可用性之前指导完善。这种分阶段推出的目的是针对最严格的研究工作流程验证该模块，同时建立参考关系，以建立更大的订阅者和合作伙伴基础。

当前一代的人工智能研究工具迫使人们做出选择：一个是读过所有内容但什么也不会运行的才华横溢的通才，另一个是执行固定例程但无法推理的遗留管道。ZetaOmics作为第三种选择构建：一个既推理又运行的代理-设计分析，根据真实生物数据独立执行分析，捍卫其方法选择，并返回出版质量结果，为研究人员提供真正的实时价值。

智能嵌入每个工具和模块中--而不仅仅是自动化

大多数新兴的生物信息学系统都将语言模型包裹在现成的软件周围，从而自动执行命令行。这种方法仍然可以建立一个令人困惑的队列、选择错误的统计测试或比较从未具有可比性的数据集--返回只有专家才会认为错误的自信答案。ZetaOmics采取了相反的方法：它在预先计算的、协调的、多组数据层上运行，并将领域智能直接嵌入到其十四个工具中的每一个工具中。当传统系统会运行有缺陷的分析并返回有缺陷的结果时，ZetaOmics的目的是识别缺陷，拒绝运行它，并解释如何修复实验设计。

每项分析都在withZeta.ai的生产运行时执行，具有统一的身份验证和每次执行日志记录（谁询问了什么、运行了哪些工具、访问了哪些数据），从而产生适合受监管、合规敏感研究的可查询、可输出的审计跟踪。

人工智能在肿瘤学领域的决定性一步

“几十年来，药物发现中最深的瓶颈不是数据;而是判断。伟大的生物信息学家或计算癌症生物学家的罕见本能--知道数据需要进行哪种测试、什么时候不应该比较两个数据集、什么时候结果是真实信号而不是统计噪音--是稀缺的、昂贵的，并且经常在专家离开时丢失。通过ZetaOmics，我们致力于将这种判断编码到一个自治代理中，并将严格性作为默认值，以便任何地方的任何研究人员都可以在曾经为世界上资源最充足的实验室保留的水平上运行分析。

我们相信，这就是下一个十年肿瘤学研发的基础：共同科学家不仅检索知识，而且以负责任、可重复的方式产生知识，并最终满足患者面临的紧迫性。通过首先向世界领先的生物信息学团队和我们的合作者开放ZetaOmics，我们打算在科学最困难的地方证明它的价值，并通过这样做为Lantern打开全新的市场、新的合作伙伴关系和合作机会以及新的订阅收入-涵盖每种癌症，而不仅仅是罕见的癌症。这就是我们如何将withZeta.ai扩展为股东的持久、非稀释增长引擎，同时推进我们自己的管道，”Lantern Pharma总裁兼首席执行官兼withZeta.ai创始人Panna Sharma表示。

判断和自动化正在发挥作用

编排工具和编码判断之间的区别在实践中最容易看出。在下面的每个例子中，单个自然语言请求会触发一系列专家决策，熟练的生物信息学家将在几天或几周内手工做出这些决策--自主执行，推理明确且可审计。

1 ·在一种罕见、难以治疗的癌症中发现药物易感性

问题是：“Kras突变型肺癌是否存在药物漏洞，它们在蛋白质水平上是否真实存在？"

ZetaOmics自主做什么：

影响：专家团队可能花数周时间进行资格认证（并且很容易过度声称）的一个漏洞在一次对话中被浮出水面、进行统计辩护并进行蛋白质验证。

2 ·拒绝进行会产生错误发现的比较

问题是：“比较我收集的这两个胶质母细胞瘤队列之间的基因表达。"

ZetaOmics自主做什么：

影响：多队列研究中错误发现的最大来源会被自动捕获并纠正--这种安静的、基于判断的保存通常取决于高级分析师的注意。

3 ·在数据稀少的儿科癌症中优先考虑可药物生物标志物

问题是：“这种罕见的儿科肿瘤中最有希望的药物靶点是什么？"

ZetaOmics自主做什么：

影响：对于该领域倾向于放弃的种群，代理人根据可用证据调整自己的方法，而不是什么都不返回--将数据稀缺性变成了一个可以防御的起点。