arXiv cs.AI· Pratik Dutta, Matthew B. Obusan, Max Chao, Rekha Sathian, Nimisha Papineni, Ramana V. Davuluri·· 9 天前AI 评分24
ARGUS：证据约束的智能体框架如何解读非编码区单核苷酸变异
Unlocking the Regulatory Genome by ARGUS: An Evidence-Constrained Agentic Framework for Interpreting Single Nucleotide Variants
AI 导读
ARGUS 是一个将确定性生物计算与 LLM 推理严格分离的智能体框架，用 458 个基于 DNABERT 的转录因子结合模型在假设驱动的调查循环中解读非编码区变异。
正文 · AI 翻译
摘要：全基因组关联研究中超过 90% 的疾病相关变异位于非编码调控区，但其功能解读仍是基因组医学中一个核心的未解难题。被提示解读此类变异的大语言模型经常臆造转录因子（TF）结合变化、编造实验支持，并将生物学意义赋予统计上可忽略的信号。我们提出 ARGUS（Agentic Regulatory Genomics for an Uncertainty-aware Scientist），它将确定性生物计算与 LLM 介导的推理严格分离。ARGUS 将 458 个基于 DNABERT 的 TF 结合模型封装在一个假设导向的探究循环中，其中规划器根据当前不确定性选择证据来源，验证器确定性地解读每个观察结果，中间结果会改变探究路径。在 8q24 癌症风险位点的变异 rs6983267 上，同一规划器为四个 TF 产生了四条不同的轨迹。当真实的 ADASTRA 等位基因特异性结合数据（15 项实验，FDR = 0.030）揭示出被饱和掩盖的模型假阴性时，FOXA1 在 3 步内被挽救。KLF6 跨越 ADASTRA、JASPAR 基序分析和 ENCODE cCRE 调控注释共 8 步，最终因间接证据混杂而弃权。RAD21 在 ADASTRA 返回覆盖度合格但不显著的等位基因检验（5 项实验，FDR = 0.65）后于 8 步内弃权，而与 FOXA1 共享饱和保留预测的 SP1 则因该位点不存在直接实验证据而弃权。所有观察结果均来自真实的 ADASTRA、JASPAR 和 ENCODE cCRE 查询；无一为模拟。对固定优先级规划和 LLM 介导规划的比较表明，LLM 规划器通过拒绝无法解决所检验主张的证据，以更少的工具调用达到相同的结论。
| 评论： | 已被 NeurIPS 2026 Agentic AI for Biological Discovery（AgenticLS）研讨会接收。代码：this https URL |
| 学科： | 基因组学（q-bio.GN）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.12281 [q-bio.GN] |
| （或 arXiv:2610.12281v1 [q-bio.GN] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12281 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Pratik Dutta [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 16:38:32 UTC（439 KB）
来源：arXiv cs.AI · arxiv.org