論文の概要: MechAInistic: An LLM-guided Multi-Agent System for Reasoning over Genome-Scale Constraint-Based Metabolic Models

• arxiv url: http://arxiv.org/abs/2607.18249v1
• Date: Fri, 08 May 2026 16:24:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.088373
• Title: MechAInistic: An LLM-guided Multi-Agent System for Reasoning over Genome-Scale Constraint-Based Metabolic Models
• Title（参考訳）: MechAinistic: ゲノムスケール制約に基づくメタボリックモデル上での推論のためのLLM誘導マルチエージェントシステム
• Abstract要約: MechAInisticは、自然言語の質問を実行可能なものに変換するArchitect-Reviewerパターンを中心に構成されたマルチエージェントシステムである。 このシステムは、経路比較、摂動解析、ドラッグターゲット探索、文学的な解釈など、様々なタスクをサポートする。
• 参考スコア（独自算出の注目度）: 0.8517712901743845
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Constraint-based metabolic modeling is a powerful way to study the mechanistic basis of cellular states and disease, but its effective use demands substantial computational expertise and careful coordination of multi-step analyses. We developed MechAInistic to lower this barrier and enable researchers to ask complex biological questions in natural language. Harnessing large language models, MechAInistic is a multi-agent system organized around an Architect-Reviewer pattern that transforms a natural-language question into an executable, model-grounded workflow and generates a structured report. The system supports a variety of tasks, including pathway comparison, perturbation analysis, drug-target exploration, and literature-grounded interpretation across paired metabolic model states. We developed and evaluated MechAInistic using two paired immune-cell metabolic-model use cases for therapeutic hypothesis generation. For Naive B cells from rheumatoid arthritis (RA) paired with healthy controls, MechAInistic identified mitochondrial metabolic rewiring and nominated Devimistat/CPI-613 as an investigational OGDH-centered hypothesis. In a paired CD4+ Th17 cell study from multiple sclerosis (MS) and healthy controls, the same workflow identified NADP-dependent isocitrate dehydrogenase as the optimal single target and proposed ivosidenib as an FDA-approved repurposing candidate. Together, these results show that MechAInistic converts natural-language biological questions into executable, model-grounded workflows for traceable therapeutic hypothesis generation.
• Abstract（参考訳）: 制約に基づくメタボリックモデリングは、細胞状態と疾患の力学的基盤を研究する強力な方法であるが、その効果的な利用には、計算の専門知識と多段階解析の慎重な調整が必要である。 我々は、この障壁を低くし、研究者が自然言語で複雑な生物学的質問をすることができるようにMechAInisticを開発した。 MechAInistic(英語版)は、自然言語の質問を実行可能なモデル基底のワークフローに変換し、構造化されたレポートを生成する、Architect-Reviewerパターンを中心に構成されたマルチエージェントシステムである。 このシステムは、経路比較、摂動解析、薬物標的探索、対代謝モデル状態間の文学的解釈など、様々なタスクをサポートする。 We developed and evaluation MechAInistic using two paired immuno-cell metabolic-model use case for treatment hypothesis generation。 慢性関節リウマチ(RA)由来のナイーブB細胞と正常なコントロールが組み合わさったMechAInisticはミトコンドリアメタボリックリウィリングを同定し、OGDH中心の仮説としてDevimistat/CPI-613を推薦した。 多発性硬化症(MS)と健康管理によるCD4+ Th17細胞の研究において、同じワークフローがNADP依存性のイソクエン酸脱水素酵素を最適な単一標的として同定し、イヴォシニブをFDAが承認した再精製候補として提案した。 これらの結果から、MechAInisticは、自然言語の生物学的質問を、追跡可能な治療仮説生成のための実行可能なモデル基底ワークフローに変換することを示した。

関連論文リスト

• An immune world model for multiscale forecasting and therapeutic hypothesis generation [76.0289504908521]
  私たちはImmune World Modelを構築するために、支配的な進化的AIサイエンティストを使用しました。 免疫世界モデル(Immune World Model)は、細胞、組織、個体レベルでの免疫状態の移動方法を学ぶ行動条件モデルである。 マルチスケール免疫シミュレーションのためのフレームワークを提供しており、AIサイエンティスト主導のモデル構築、介入予測、そして予想されるテスト可能な治療仮説の生成を接続する。
  論文  参考訳（メタデータ） (2026-09-13T18:06:18Z)
• Towards Reliable Stain Transfer: An Iterative Data-Model Co-Optimization Framework Based on Multimodal Expert-Guided Assessment [55.16957949238588]
  Stain Transferのための新しいデータモデル共最適化フレームワークDMCoStainを提案する。 反復的にトレーニングデータとモデル能力を再定義し、病理的および構造的整合性の両方において染色精度と解釈性を向上させる。 MEGFS をサポートするために,150K VQA サンプルを用いた IPE 命令追従型大規模データセットである ImmunoInstruction を構築した。
  論文  参考訳（メタデータ） (2026-07-28T07:54:43Z)
• Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
  逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。 LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
  論文  参考訳（メタデータ） (2026-05-27T23:48:01Z)
• AROMA: Augmented Reasoning Over a Multimodal Architecture for Virtual Cell Genetic Perturbation Modeling [10.19071074895934]
  本稿では,仮想細胞遺伝的摂動モデリングのためのマルチモーダルアーキテクチャ上でのAugmented Reasoningを提案する。 AROMAは、テキストエビデンス、グラフトポロジー情報、タンパク質配列機能を統合し、摂動ターゲット依存性をモデル化する。 正確かつ解釈可能な予測を得るために、2段階最適化戦略で訓練されている。
  論文  参考訳（メタデータ） (2026-04-22T07:10:45Z)
• IMA-MoE: An Interpretable Modality-Aware Mixture-of-Experts Framework for Characterizing the Neurobiological Signatures of Binge Eating Disorder [7.437091484081088]
  Interpretable Modality-Aware Mixture-of-Experts (IMA-MoE) は、統一された予測フレームワークに異種測度を統合するように設計された新しいアーキテクチャである。 大規模思春期脳認知開発(ABCD)データセットを用いて評価した。
  論文  参考訳（メタデータ） (2026-04-18T15:22:44Z)
• EVA: Towards a universal model of the immune system [0.18149976637753015]
  免疫学と炎症の多モード基盤モデルとして,最初のクロス種EVAを紹介した。 EVAは、種、プラットフォーム、解像度のトランスクリプトミクスデータを調和させ、組織データを統合してリッチで統一された患者表現を生成する。 薬物開発パイプラインにまたがる39のタスクの総合的な評価スイートを紹介する。
  論文  参考訳（メタデータ） (2026-02-10T13:51:09Z)
• Multi-Agent Intelligence for Multidisciplinary Decision-Making in Gastrointestinal Oncology [13.663415863327996]
  ヒト多部門チーム(MDT)の協調ワークフローをエミュレートした階層型マルチエージェントフレームワークを提案する。 このシステムは4.60/5.00の総合評価スコアを獲得し、モノリシック基線よりも大幅に改善された。 この結果は,腫瘍学における自動意思決定支援のための,緩和的,エージェントベースの協調作業が,スケーラブルで解釈可能,かつ,臨床的に堅牢なパラダイムを提供することを示している。
  論文  参考訳（メタデータ） (2025-12-09T14:56:40Z)
• Learning Cell-Aware Hierarchical Multi-Modal Representations for Robust Molecular Modeling [74.25438319700929]
  分子と細胞応答の局所的グローバル依存性をモデル化する堅牢なフレームワークであるCHMR(Cell-aware Hierarchical Multi-modal Representations)を提案する。 728タスクにまたがる9つの公開ベンチマークで評価され、CHMRは最先端のベースラインを上回っている。 その結果, 階層認識型マルチモーダル学習による分子表現の信頼性, 生物学的基盤化の利点が示された。
  論文  参考訳（メタデータ） (2025-11-26T07:15:00Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• Generative diffusion model surrogates for mechanistic agent-based biological models [0.003897077734517544]
  CPM(Cellular-Potts Model)は、CPMを開発・尋問する強力なフレームワークである。 サロゲートモデルは複雑な生物学的システムのCPMを加速的に評価することができる。 我々は、in vitroで血管新生を調べるために使用されるCPMのAI代理分類器を訓練する。 我々の研究は、生体システムのデジタル双対を開発するためのDDPMの実装に向けた一歩である。
  論文  参考訳（メタデータ） (2025-05-01T08:19:51Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
  両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。 実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-01-22T19:49:47Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)

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。