인자 네트워크 간 규제 드라이버 식별을 위한 암 유전체학 다중 agent 프레임워크
RegNetAgents는 대규모 언어 모델(LLM)과 같은 AI-oriented 다중 agent framework를 제시합니다. 이 시스템은 bulk tumor와 single-cell-derived ARACNe 네트워크를 통합하여 대규모 단일 세포 조절 네트워크를 포함한 TCGA-derived 암 네트워크와 GREmLN 프로젝트의 암 네트워크를 통합합니다. 특정 포커스 유전자에 대한 framework는 두 개의 네트워크 분류, 암 유전자 필터링을 위한 OncoKB.Annotation을 사용하여 암 유전자 필터링, 그리고 암 유래 조절 관계에 대한 모드-오브-액션 assignment를 수행합니다. 후보자는 네트워크 (Both, TCGA-only, GREmLN-only) 내에서 증거 일관성에 따라 rank됩니다. 시스템은 LangGraph DAG workflow로 구현되어 Python API와 Model Context Protocol (MCP) 클라이언트를 통해 접근할 수 있으며, 대규모 언어 모델(LLM)과 같은 네트워크 인플루언스 방법이 아닌, 미리 계산된 조절 네트워크 위에 있는 하위 분석 Layer로 작동합니다. RegNetAgents는 eleven breast cancer (BRCA)와 twelve colorectal cancer (COAD) 포커스 유전자에서 OncoKB-annotated 암 유전자와 상당히 관련된 후보 조절자들을 식별합니다. TCGA-derived 후보자들은 BRCA와 COAD에서 각각 Stouffer Z = 6.69와 6.95로 강력한 enrichement를 보이며, GREmLN-derived 후보자들도 BRCA와 COAD에서 각각 Z = 5.51와 7.06로 의미있는 enrichement를 보이며, 모든 p < 0.0001입니다. housekeeping 또는 non-driver control 유전자 집합에서 enrichement가 관찰되지 않아 signal specificity를 지원합니다. 확장된 모듈은 암 유전적 잠재력, 치료 가능성, 임상적 관련성, 네트워크 취약성의 구조화된 평가를 지원하여 후보자 식별부터 생물학적 가설 생성까지 종단-종단의 해석을 지원합니다. RegNetAgents는 암 유전학에서 네트워크 조절 후보자 식별에 대한 해석 가능한 AI framework를establish합니다.
함께 읽으면 좋은 기사
Meta의 영감은 OpenAI와 Anthropic에서 본격적으로 빛나는 AI를 훔쳤습니다.
AI 리더들이 OpenAI와 Anthropic에서 "선도 경계를 맞춰가기"라는 주제로 논의를 시작했을 때, 누군가는 "어느 속도로?"라는 질문을 해야 했을 수도 있었다. 이제는 두 회사가 모두 모델을 출시하는 모델 출시 주간이 되었는데, Anthropic이 Opus 5.5을 출시한 후 OpenAI가 GPT-6 모델 업데이트를 90분만에 출시했다. 그러나 스포트라이트를 잡은 것은 Meta 였는
메타, 인공지능 앱 '뮤즈'에 힘을 싣는다
메타는 인공지능 개인 에이전트 '뮤즈'를 더욱 홍보하기 위해 대규모 언어 모델(LLM) 기반 앱의 홍보를 강화하고 있습니다. 뮤즈 앱은 앱스토어 차트에서 1위를 차지하고 사용자 추가가 빠른 속도로 진행되고 있습니다.
메타의 AI 태그치 시도는 성공적인 것일까?
메타의 개인 AI 에이전트 '뮤즈'가 ChatGPT의 초기 성과를 능가하고 있으며, 스마트 글래스와 같은 장치로 확장될 예정입니다. 메타의 AI 태그치 시도가 성공적인 것일까요?
OpenAI의 agent 군단이 수개월 동안 온라인 데이터베이스를 공격해 희귀한 사실을 찾고 있다.
연구자들이 최근에 불법적 인 에이전트 군집들이 발견되었다고 밝혔다.
강화 학습 기반 역할 놀이 에이전트의 역할 학습을 위한 적대적 폐쇄 루프 교육과정
역할 연기하는 agent는 대규모 언어 모델을 기반으로 한 것들이 개인화된 지원 및 사회 시뮬레이션과 같은 분야에서 광범위하게 적용되어 왔다. 최근 RL 방법들은 학습이 시작되기 전에 미리 수집한 고정된 시나리오 풀에서 훈련을 받는다. 이로 인해 분포적 병목 현상이 발생한다: agent가 향상될수록 agent가 나쁜 성능을 보이는 시나리오도 변하고, 훈련 분포는 정적이다. 따라서, 우리는 역
BaseCamp - AI 프레임워크를 활용한 DNA 서열 데이터 PIPE라인 자동화
DNA 시퀀싱 pipe라인을 처리하는 quality control, alignment, variation calling, annotation과 같은 작업은 이제 대규모 언어 모델(LLM)과 같은 established bioinformatics 도구를 scale에 맞게 조율하는 workflow 관리 시스템에 의해 신뢰할 수 있게 실행되고 있습니다. 그러나 그 실행에 관련된 결정 layer는 여
관련 콘텐츠 더 보기
다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.