Projektgruppe

You are cordially invited to the second edition of our Online minisymposium on AI-support for Science, with another exciting line-up of speakers and topics:

Online minisymposium on AI-support for Science:

On Wednesday, January 21 2026, we conducted a webinar with the program below, see tinyurl.com/AI4Bioscience for more details. The next webinar is planned soon, please stay tuned. At the GMDS Annual meeting in Sept/Oct 2026, we will also run a workshop on the topic, featuring Sebastian Lobentanzer as the first speaker.

Program:
17:00h Opening
17:05h James Zou, Stanford: "AI agents to accelerate scientific discoveries"
17:50h Shanghua Gao, Harvard: "ToolUniverse and Beyond: AI Scientists for Biomedical Research"
18:20h Alex Zhavoronkov, InSilico Medicine: "Multimodal foundational models and agentic AI systems for aging and longevity: from theory to clinical trials"
18:50h Discussion

The Zoom Webinar was organized in cooperation with the Centre for Transdisciplinary Neurosciences Rostock, HealthTechMedicine - BioMedMat Rostock, and the Rostock Comprehensive Cancer Center.

Ziele der Projektgruppe:

Maschinelles Lernen spielt in der Medizinischen Bioinformatik und Systembiologie seit über zwei Jahrzehnten eine zentrale Rolle; moderne KI-Systeme erweiterten die bisherigen Anwendungsmöglichkeiten. Die Projektgruppe möchte sich – auch im Austausch mit den anderen AGs des Fachbereichs, und gerne auch fachbereichsübergreifend – dem Einsatz von KI in der Medizinischen Bioinformatik und Systembiologie widmen. Ein Schwerpunkt sollen dabei KI-Assistenzsysteme in der Wissenschaft sein. Wissenschaftliche Projektassistenz durch KI ist inzwischen im kompletten Projektverlauf möglich geworden: Brainstorming, Ideenoptimierung, Erstellung von Reviews, Entwurf von Anträgen, Generierung von Experimentprotokollen, Erstellung des Datenanalyseplänen, Datenanalyse sowie der Entwurf von Publikationen.  Unter den jüngst entwickelten Tools gibt es mehrere „Deep Research Agents“ [1], wissenschaftsbezogene Tools wie das „Virtual Lab“, FreePhdLabor & DORA, auf die Biowissenschaften zugeschnittene Tools wie Kosmos, Phylo/Biomni, BioReason, Holy Bio MCP, sowie zahlreiche weitere für akademische oder kommerzielle Zwecke verfügbare Werkzeuge.  Weitere Referenzen sind [2, 3, 4, 5].

Abb.: Exponentieller Anstieg verfügbarer „Deep Research Agents“, vgl. [1].

Referenzen:

[1] Huang, Y., Chen, Y., Zhang, H., Li, K., Zhou, H., Fang, M., ... & Wang, J. (2025). Deep research agents: A systematic examination and roadmap. arXiv preprint arXiv:2506.18096.

[2] Jones, N. (2025). AI ‘scientists’ joined these research teams: here’s what happened. Nature, 643(8070), 22-25.

[3] Du, M., Xu, B., Zhu, C., Wang, X., & Mao, Z. (2025). DeepResearch Bench: A Comprehensive Benchmark for Deep Research Agents. arXiv preprint arXiv:2506.11763.

[4] Bosse, N. I., Evans, J., Gambee, R. G., Hnyk, D., Mühlbacher, P., Phillips, L., ... & Wildman, J. (2025). Deep Research Bench: Evaluating AI Web Research Agents. arXiv preprint arXiv:2506.06287.

[5] Mitchener, L., Yiu, A., Chang, B., Bourdenx, M., Nadolski, T., Sulovari, A., ... & White, A. D. (2025). Kosmos: An ai scientist for autonomous discovery. arXiv preprint arXiv:2511.02824.