CellForge：虚拟细胞模型的代理式设计

虚拟细胞建模代表了人工智能与生物学交叉领域的新兴前沿，旨在定量预测对各种扰动的反应等。然而，由于生物系统的复杂性、数据模式的异构性以及对跨多个学科的领域特定专业知识的需求，自主构建虚拟细胞的计算模型具有挑战性。在此，我们引入了 CellForge，一个代理系统，它利用多代理框架，将呈现的生物数据集和研究目标直接转换为优化的虚拟细胞计算模型。更具体地说，仅给定原始单细胞多组学数据和任务描述作为输入，CellForge 即可输出用于训练虚拟细胞模型和推理的优化模型架构和可执行代码。该框架集成了三个核心模块：用于呈现数据集表征和相关文献检索的任务分析、方法设计（其中专业代理协同开发优化的建模策略）以及用于自动生成代码的实验执行。设计模块中的代理分为具有不同视角的专家和中央协调器，并且必须协作交换解决方案，直到达成合理的共识。我们展示了 CellForge 在单细胞扰动预测方面的能力，使用了六个不同的数据集，涵盖了多种模式下的基因敲除、药物治疗和细胞因子刺激。CellForge 始终优于特定任务的最新方法。总的来说，CellForge 证明了具有不同视角的 LLM 代理之间的迭代交互如何提供比直接解决建模挑战更好的解决方案。我们的代码已在 https://github.com/gersteinlab/CellForge 公开提供。