RegNetAgents: AI-агенты для поиска онкогенных драйверов в геномике

Синтез разрозненных данных: TCGA и GREmLN

Проблема идентификации регуляторных драйверов в онкологии часто сводится к разрозненности данных. RegNetAgents решает это, создавая единый слой анализа поверх уже вычисленных регуляторных сетей. Система интегрирует два ключевых источника: сети TCGA (полученные из bulk-опухолевых образцов) и сети GREmLN (выведенные из данных одиночных клеток). Архитектура построена на DAG-воркфлоу в LangGraph, что позволяет обрабатывать запросы через унифицированный Python API и протокол MCP (Model Context Protocol).

Методология: от классификации до ранжирования

Фреймворк не занимается инференсом сетей заново, а анализирует их структуру. Для заданного гена-мишени система выполняет:

• Двусетевую классификацию: определение роли регулятора в обеих сетях.
• Фильтрацию по OncoKB: отсечение неонкогенных кандидатов.
• Определение механизма действия (MoA): анализ регуляторных связей именно в опухолевых тканях.
• Ранжирование: кандидаты сортируются по согласованности доказательств (Both, TCGA-only, GREmLN-only).

Результаты: статистическая значимость

Валидация проводилась на 11 генах рака молочной железы (BRCA) и 12 генах колоректального рака (COAD). RegNetAgents выявил кандидатов, статистически значимо обогащенных генами, аннотированными в базе OncoKB. Контрольные группы (гены домашнего хозяйства и не-драйверы) не показали обогащения, что подтверждает специфичность сигнала.

Практическая польза: от гипотезы к терапии

RegNetAgents — это не просто инструмент поиска, а система для генерации биологических гипотез. Расширенный модуль позволяет оценивать онкогенный потенциал, «лекарственную привлекательность» (druggability) и уязвимость сети. Это замыкает цикл от идентификации кандидата до оценки его клинической релевантности, делая AI-инструмент полезным для разработчиков препаратов.

Источник: arXiv cs.AI ↗