論文の概要: From Archives to Decisions: Multi-Agent Pharmaceutical Co-Scientist for Traceable Drug Discovery and Reverse Translation

• arxiv url: http://arxiv.org/abs/2511.18259v1
• Date: Sun, 23 Nov 2025 03:17:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.726684
• Title: From Archives to Decisions: Multi-Agent Pharmaceutical Co-Scientist for Traceable Drug Discovery and Reverse Translation
• Title（参考訳）: アーカイブから決定へ:トレース可能な医薬品発見とリバース翻訳のための多分野薬学共同研究者
• Authors: Xiaochen Zheng, Alvaro Serra, Ilya Schneider Chernov, Maddalena Marchesi, Eunice Musvasva, Tatyana Y. Doktorova,
• Abstract要約: 医薬品研究・開発を支援する多エージェント共同研究者であるDiscoVerseを紹介する。 このシステムはロシュの大規模な歴史的コーパスに意味検索、クロスドキュメントリンク、監査可能な合成を実装している。 我々のアプローチを実世界の規模で検証するために、ロシュ研究レポジトリから180分子のサブセットを選択しました。
• 参考スコア（独自算出の注目度）: 0.6347968479268647
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pharmaceutical research and development has accumulated vast, heterogeneous archives of data. Much of this knowledge stems from discontinued programs, and reusing these archives is invaluable for reverse translation. However, in practice, such reuse is often infeasible. In this work, we introduce DiscoVerse, a multi-agent co-scientist designed to support pharmaceutical research and development. The system implements semantic retrieval, cross-document linking, and auditable synthesis on a large historical corpus from Roche. To validate our approach at real-world scale, we selected a subset of 180 molecules from the Roche research repositories, covering over 0.87 billion BPE tokens and more than four decades of research. Given that automated evaluation metrics are poorly aligned with scientific utility, we evaluate the performance of DiscoVerse using blinded expert evaluation of source-linked outputs. To our knowledge, this is the first agentic framework systematically assessed on real pharmaceutical data for reverse translation, enabled by authorized access to confidential, end-to-end drug-development archives. Our contributions include role-specialized agent designs aligned with scientist workflows; human-in-the-loop support for reverse translation; expert evaluation; and a large-scale demonstration showing promising answer accuracy and decision-making insights. In brief, across seven benchmark queries covering 180 molecules, DiscoVerse achieved near-perfect recall ($\geq 0.99$) with moderate precision ($0.71-0.91$), while qualitative assessments of discontinuation rationale and organ-specific toxicity showed faithful, source-linked synthesis across preclinical and clinical evidence.
• Abstract（参考訳）: 医薬品の研究と開発は、膨大な、異質なデータのアーカイブを蓄積してきた。 これらの知識の多くは中止されたプログラムに起因しており、これらのアーカイブの再利用は逆翻訳に有用である。 しかし、実際にはそのような再利用は不可能であることが多い。 本研究では,医薬品研究・開発を支援する多エージェント共同科学者であるDiscoVerseを紹介する。 このシステムはロシュの大規模な歴史的コーパスに意味検索、クロスドキュメントリンク、監査可能な合成を実装している。 我々のアプローチを実世界の規模で検証するために、ロシュ研究レポジトリから180分子のサブセットを選択しました。 自動評価指標が科学的有用性に乏しいことを考慮し, ブラインドド・エキスパートによるソースリンク出力の評価によるDiscoVerseの性能評価を行った。 我々の知る限り、これは、エンド・ツー・エンドの医薬品開発アーカイブへの認証アクセスによって、逆翻訳のための実際の医薬品データに基づいて体系的に評価された最初のエージェントフレームワークである。 私たちのコントリビューションには、科学者のワークフローに沿った役割特化エージェント設計、リバース翻訳のためのヒューマン・イン・ザ・ループのサポート、専門家評価、有望な回答の正確性と意思決定の洞察を示す大規模なデモンストレーションなどが含まれています。 簡単に言うと、180分子をカバーする7つのベンチマーククエリにおいて、DiscoVerseは適度な精度でほぼ完全なリコール($0.71-0.91$)を達成した。

関連論文リスト

• DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
  大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。 本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
  論文  参考訳（メタデータ） (2025-10-24T08:01:21Z)
• MedKGent: A Large Language Model Agent Framework for Constructing Temporally Evolving Medical Knowledge Graph [57.54231831309079]
  我々は、時間的に進化する医療知識グラフを構築するためのフレームワークであるMedKGentを紹介する。 生医学的知識の出現を, 微粒な日々の時系列でシミュレートする。 結果として得られるKGは156,275個のエンティティと2,971,384個のリレーショナルトリプルを含む。
  論文  参考訳（メタデータ） (2025-08-17T15:14:03Z)
• FROGENT: An End-to-End Full-process Drug Design Agent [19.025736969789566]
  薬物発見のための強力なAIツールは、孤立したWebアプリ、デスクトッププログラム、コードライブラリに存在する。 この問題に対処するため、FROGENTという名前のフルプロセスduG dEsign ageNTが提案されている。 FROGENTはLarge Language ModelとModel Context Protocolを使用して、複数の動的生化学データベース、ツールライブラリ、タスク固有のAIモデルを統合する。
  論文  参考訳（メタデータ） (2025-08-14T15:45:53Z)
• HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
  HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。 システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
  論文  参考訳（メタデータ） (2025-08-01T20:30:42Z)
• DeepResearch Bench: A Comprehensive Benchmark for Deep Research Agents [30.768405850755602]
  DeepResearch Benchは100のPhDレベルの研究タスクからなるベンチマークである。 ディープリサーチエージェントの評価は本質的に複雑で、労働集約的である。 本稿では,人間の判断に強く適合する2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T13:17:32Z)
• DrugPilot: LLM-based Parameterized Reasoning Agent for Drug Discovery [54.79763887844838]
  大規模言語モデル(LLM)と自律エージェントの統合は、自動推論とタスク実行を通じて科学的発見を促進する大きな可能性を秘めている。 本稿では,薬物発見におけるエンドツーエンド科学のために設計されたパラメータ化推論アーキテクチャを備えたLSMベースのエージェントシステムであるDrarmPilotを紹介する。 DrugPilot は ReAct や LoT のような最先端のエージェントよりも優れており、タスク完了率は98.0%、93.5%、64.0%である。
  論文  参考訳（メタデータ） (2025-05-20T05:18:15Z)
• LLM Agent Swarm for Hypothesis-Driven Drug Discovery [2.7036595757881323]
  ファーマシュワーム(PharmaSwarm)は、新規な薬物標的および鉛化合物の仮説を提唱し、検証し、洗練するために、特殊な「エージェント」を編成する統合マルチエージェントフレームワークである。 PharmaSwarmはAIの副操縦士として機能することで、翻訳研究を加速し、従来のパイプラインよりも効率的に高信頼の仮説を提供することができる。
  論文  参考訳（メタデータ） (2025-04-24T22:27:50Z)
• Preferential Multi-Objective Bayesian Optimization for Drug Discovery [13.740630847478453]
  CheapVSは、ペアワイズ比較による薬物特性間のトレードオフに関する好みを提供する。 EGFRとRDD2をターゲットにした100Kの化学候補のライブラリでは、CheapVSは限られた計算予算内での薬物の同定において最先端のスクリーニング方法より優れている。
  論文  参考訳（メタデータ） (2025-03-21T04:27:06Z)
• A Biomedical Entity Extraction Pipeline for Oncology Health Records in Portuguese [0.10499611180329801]
  ポルトガル語で書かれた腫瘍の健康記録から, 治療法, 薬物, 疾患を抽出するためのアプローチを提案する。 このプロジェクトはポルトガルオンコロジー研究所(英語版)と共同で実施され、10ドル以上の厳重に保護された医療記録の他に、プロジェクトの開発を通じてオンコロジーの専門家の専門知識も提供された。 ポルトガルでは,生物医学的実体抽出のための注釈付きコーパスが存在しないため,モデル開発のための注釈付きコーパスも提案する。
  論文  参考訳（メタデータ） (2023-04-18T14:10:34Z)
• ImDrug: A Benchmark for Deep Imbalanced Learning in AI-aided Drug Discovery [79.08833067391093]
  現実世界の医薬品のデータセットは、しばしば高度に不均衡な分布を示す。 ImDrugはオープンソースのPythonライブラリを備えたベンチマークで、4つの不均衡設定、11のAI対応データセット、54の学習タスク、16のベースラインアルゴリズムで構成されています。 ドラッグ発見パイプラインの幅広い範囲にまたがる問題やソリューションに対して、アクセス可能でカスタマイズ可能なテストベッドを提供する。
  論文  参考訳（メタデータ） (2022-09-16T13:35:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。