DrugAgent: Explainable Drug Repurposing Agent with Large Language Model-based Reasoning

要約

薬物再利用は、既存の薬物の新たな治療可能性を特定することにより、薬物開発を加速するための有望な手段を提供します。
この論文では、最先端の機械学習技術と知識統合を使用して薬物再利用プロセスを強化するためのマルチエージェント フレームワークを提案します。
私たちのフレームワークは、いくつかの特殊なエージェントで構成されています。AI エージェントは、堅牢な薬物標的相互作用 (DTI) モデルをトレーニングします。
Knowledge Graph Agent は、薬物遺伝子相互作用データベース (DGIdb)、DrugBank、比較トキシコゲノミクス データベース (CTD)、および化学物質相互作用検索ツール (STITCH) を利用して DTI を体系的に抽出します。
そして、検索エージェントは生物医学文献と対話して、計算による予測に注釈を付けて検証します。
これらのエージェントからの出力を統合することにより、当社のシステムは外部データベースを含む多様なデータ ソースを効果的に利用して、実行可能な再利用候補を提案します。
予備的な結果は、薬物と疾患の相互作用を予測するだけでなく、従来の創薬方法に関連する時間とコストを削減する上での私たちのアプローチの可能性を示しています。
この論文では、生物医学研究におけるマルチエージェント システムの拡張性と、薬物再利用におけるイノベーションの推進におけるマルチエージェント システムの役割に焦点を当てています。
私たちのアプローチは、薬物再利用の可能性を予測する点で既存の方法を上回るだけでなく、解釈可能な結果を​​提供し、より効率的で費用対効果の高い創薬プロセスへの道を開きます。

要約(オリジナル)

Drug repurposing offers a promising avenue for accelerating drug development by identifying new therapeutic potentials of existing drugs. In this paper, we propose a multi-agent framework to enhance the drug repurposing process using state-of-the-art machine learning techniques and knowledge integration. Our framework comprises several specialized agents: an AI Agent trains robust drug-target interaction (DTI) models; a Knowledge Graph Agent utilizes the drug-gene interaction database (DGIdb), DrugBank, Comparative Toxicogenomics Database (CTD), and Search Tool for Interactions of Chemicals (STITCH) to systematically extract DTIs; and a Search Agent interacts with biomedical literature to annotate and verify computational predictions. By integrating outputs from these agents, our system effectively harnesses diverse data sources, including external databases, to propose viable repurposing candidates. Preliminary results demonstrate the potential of our approach in not only predicting drug-disease interactions but also in reducing the time and cost associated with traditional drug discovery methods. This paper highlights the scalability of multi-agent systems in biomedical research and their role in driving innovation in drug repurposing. Our approach not only outperforms existing methods in predicting drug repurposing potential but also provides interpretable results, paving the way for more efficient and cost-effective drug discovery processes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google