用于人类-人类和病毒-人类蛋白-蛋白相互作用的自主训练与规则诱导的智能体 AI 平台
人工智能
2026-04-28 v1 生物大分子
摘要
我们指示一个 AI 智能体构建两个独立的智能体 AI 平台：一个用于自主训练预测人类-人类和病毒-人类蛋白-蛋白相互作用（PPI）的机器学习模型，另一个用于诱导支配人类-人类和病毒-人类 PPI 的显式通用规则。第一个平台用于自主训练 PPIs 的预测机器学习模型设计包括五个 AI 智能体，分别处理自主数据收集、数据验证、特征嵌入、模型设计以及在三向蛋白-不相交交叉折叠数据集上的训练与验证。对于人类-人类和人类-病毒 PPIs，最终的三向蛋白-不相交集成模型分别实现了 87.3% 和 86.5% 的准确率。为了进行交叉检查和可解释性分析，第二个平台设计为用来替代机器学习预测的由人类可读规则构成，这些规则源自蛋白嵌入、物理化学自协方差描述子、细胞注释、通路-域重叠以及图上下文。对于人类-人类 PPI，这一规则诱导过程采用两种规则；而人类-病毒则由一组加权规则构成。第二个平台诱导的规则与由第一个平台构建的预测机器学习模型通过 SHAP 识别的特征相吻合。总体而言，我们的工作展示了智能体 AI 在从数据规划到执行、从规则诱导到解释方面的能力，为各种应用开辟了可能性。
引用
@article{arxiv.2604.23924,
title = {Agentic AI platforms for autonomous training and rule induction of human-human and virus-human protein-protein interactions},
author = {Hung N. Do and Jessica Z. Kubicek-Sutherland and Oscar A. Negrete and S. Gnanakaran},
journal= {arXiv preprint arXiv:2604.23924},
year = {2026}
}
备注
Other correspondence email: [email protected]