論文の概要: Conversational no-code and multi-agentic disease module identification and drug repurposing prediction with ChatDRex

• arxiv url: http://arxiv.org/abs/2511.21438v1
• Date: Wed, 26 Nov 2025 14:28:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:59.143783
• Title: Conversational no-code and multi-agentic disease module identification and drug repurposing prediction with ChatDRex
• Title（参考訳）: ChatDRexによる会話のノーコードとマルチエージェント病モジュールの同定と薬物再資源化予測
• Authors: Simon Süwer, Kester Bagemihl, Sylvie Baier, Lucia Dicunta, Markus List, Jan Baumbach, Andreas Maier, Fernando M. Delgado-Chaves,
• Abstract要約: ChatDRexは、複雑なバイオインフォマティクス解析の実行を容易にするマルチエージェントシステムである。 統合システム医療知識グラフNeDRex上に構築されている。 コンピュータサイエンスの専門知識を持たない医師や研究者が自然言語の複雑な分析を制御できるようにすることで、ChatDRexはバイオインフォマティクスへのアクセスを民主化する。
• 参考スコア（独自算出の注目度）: 35.374587870360095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Repurposing approved drugs offers a time-efficient and cost-effective alternative to traditional drug development. However, in silico prediction of repurposing candidates is challenging and requires the effective collaboration of specialists in various fields, including pharmacology, medicine, biology, and bioinformatics. Fragmented, specialized algorithms and tools often address only narrow aspects of the overall problem, and heterogeneous, unstructured data landscapes require specialized users to be involved. Hence, these data services do not integrate smoothly across workflows. With ChatDRex, we present a conversation-based, multi-agent system that facilitates the execution of complex bioinformatic analyses aiming for network-based drug repurposing prediction. It builds on the integrated systems medicine knowledge graph NeDRex. ChatDRex provides natural language access to its extensive biomedical KG and integrates bioinformatics agents for network analysis and drug repurposing, complemented by agents for functional coherence evaluation for in silico validation, as well as agents for literature mining and for discussing the obtained results in a scientific context. Its flexible multi-agent design assigns specific tasks to specialized agents, including query routing, data retrieval, algorithm execution, and result visualization. A dedicated reasoning module keeps the user in the loop and allows for hallucination detection. By enabling physicians and researchers without computer science expertise to control complex analyses in natural language, ChatDRex democratizes access to bioinformatics as an important resource for drug repurposing. It enables clinical experts to generate hypotheses and explore drug repurposing opportunities, ultimately accelerating the discovery of novel therapies and advancing personalized medicine and translational research.
• Abstract（参考訳）: 承認された薬物の購入は、伝統的な薬物開発に代わる、時間効率と費用対効果を提供する。 しかし, 再投機候補のシリカ予測は困難であり, 薬理学, 医学, 生物学, バイオインフォマティクスなど, 様々な分野の専門家の効果的な協力が必要である。 断片化された特殊なアルゴリズムとツールは、全体的な問題の狭い側面にのみ対処することが多く、異質で非構造的なデータランドスケープには、特別なユーザが関与する必要がある。 したがって、これらのデータサービスはワークフロー全体にわたってスムーズに統合されません。 本稿では,ChatDRexを用いた対話型マルチエージェントシステムを提案する。 統合システム医療知識グラフNeDRex上に構築されている。 ChatDRexは、その広範なバイオメディカルKGへの自然言語アクセスを提供し、ネットワーク分析および薬物再精製のためのバイオインフォマティクス剤を統合する。 その柔軟なマルチエージェント設計は、クエリルーティング、データ検索、アルゴリズムの実行、結果の可視化など、特定のタスクを特別なエージェントに割り当てる。 専用の推論モジュールは、ユーザをループに保持し、幻覚検出を可能にする。 コンピュータサイエンスの専門知識を持たない医師や研究者が自然言語の複雑な分析を制御できるようにすることで、ChatDRexはバイオインフォマティクスへのアクセスを薬物再資源の重要な資源として民主化している。 臨床専門家が仮説を作成でき、薬物再資源化の機会を探求し、最終的には新しい治療法の発見を加速し、パーソナライズされた医療と翻訳研究を促進する。

関連論文リスト

• OpenLens AI: Fully Autonomous Research Agent for Health Infomatics [22.16210485266852]
  OpenLens AIは、健康情報学に適した完全に自動化されたフレームワークである。 文献レビュー、データ分析、コード生成、原稿作成のための特殊エージェントを統合している。 このフレームワークは研究パイプライン全体を自動化し、出版可能な原稿を生成する。
  論文  参考訳（メタデータ） (2025-09-18T09:25:57Z)
• 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)
• DrugAgent: Multi-Agent Large Language Model-Based Reasoning for Drug-Target Interaction Prediction [8.98329812378801]
  DrugAgentは、薬物と薬物の相互作用を予測するためのマルチエージェントシステムである。 複数の専門的な視点と透明な推論を組み合わせる。 我々のアプローチは、予測毎に詳細な人間解釈可能な推論を提供する。
  論文  参考訳（メタデータ） (2024-08-23T21:24:59Z)
• Simplicity within biological complexity [0.0]
  文献を調査し、マルチスケール分子ネットワークデータの埋め込みのための包括的フレームワークの開発について論じる。 ネットワーク埋め込み手法はノードを低次元空間の点にマッピングすることにより、学習空間の近接性はネットワークのトポロジ-関数関係を反映する。 本稿では,モデルから効率的かつスケーラブルなソフトウェア実装に至るまで,マルチオミックネットワークデータのための汎用的な包括的埋め込みフレームワークを開発することを提案する。
  論文  参考訳（メタデータ） (2024-05-15T13:32:45Z)
• Emerging Drug Interaction Prediction Enabled by Flow-based Graph Neural Network with Biomedical Network [69.16939798838159]
  本稿では,新興医薬品の相互作用を効果的に予測できるグラフニューラルネットワーク(GNN)であるEmerGNNを提案する。 EmerGNNは、薬物ペア間の経路を抽出し、ある薬物から他の薬物へ情報を伝達し、関連する生物学的概念を経路に組み込むことで、薬物のペアワイズ表現を学習する。 全体として、EmerGNNは、新興薬物の相互作用を予測する既存のアプローチよりも精度が高く、バイオメディカルネットワーク上で最も関連性の高い情報を特定できる。
  論文  参考訳（メタデータ） (2023-11-15T06:34:00Z)
• SynerGPT: In-Context Learning for Personalized Drug Synergy Prediction and Drug Design [64.69434941796904]
  本稿では,テキスト内薬物相乗学習のための新しい設定とモデルを提案する。 特定のがん細胞標的の文脈における10～20の薬物相乗関係の「個人化データセット」を作成した。 私たちの目標は、その文脈で追加の薬物シナジー関係を予測することです。
  論文  参考訳（メタデータ） (2023-06-19T17:03:46Z)
• Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
  ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。 ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。 提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
  論文  参考訳（メタデータ） (2020-08-05T15:45:54Z)

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。