RegNetAgents：AI多智能体框架助力癌症基因组调控因子发现

近日，一项发布于arXiv的研究提出了RegNetAgents——一个面向AI的多智能体框架，专门用于在异质基因调控网络中进行结构化、查询驱动的调控候选因子识别。该系统通过整合TCGA癌症网络与GREmLN项目的大规模单细胞调控网络，实现了对批量肿瘤和单细胞来源ARACNe网络的统一分析。

该框架针对特定焦点基因执行双网络分类，利用OncoKB注释进行癌症基因过滤，并为肿瘤来源的调控关系分配作用模式。候选因子根据跨网络证据一致性进行排序，分为“双网络支持”、“仅TCGA支持”和“仅GREmLN支持”三类。

研究团队将系统实现为多智能体LangGraph DAG工作流，通过统一的Python API和模型上下文协议客户端访问。值得注意的是，该系统作为预计算调控网络的下游分析层运行，而非网络推断方法。

在11个乳腺癌和12个结直肠癌焦点基因的测试中，RegNetAgents识别的候选调控因子显著富集了OncoKB注释的癌症基因。TCGA来源的候选因子显示强烈富集，GREmLN来源的候选因子也表现出显著富集。相比之下，管家基因或非驱动对照基因集未观察到富集现象，支持了信号特异性。

扩展模块支持对致癌潜力、成药性、临床相关性和网络脆弱性的结构化评估，实现了从候选识别到生物学假说生成的端到端解释。该研究为癌症基因组学中的跨网络调控候选识别建立了一个可解释的AI框架。