arXiv cs.AI· Qiming Guo, Malaka Sudhakara Bava Sukruth Reddy, Honggang Zhao, Ye Wang, Chen Pan, Wenlu Wang·· 14 小时前AI 评分26
RADAgent：用私有开源 LLM 自动化 RADseq 流程
RADAgent: Automating RADseq Pipelines with Private Open-Source LLMs
AI 导读
RADAgent 用开放权重 LLM 将 RADseq 分析流程拆成 16 个可独立执行与验证的智能体模块，并配合模型无关运行时完成受限工具调用、磁盘验证与故障恢复。在包含 19 个种群、476 个样本的真实群体基因组数据集上，RADAgent 可靠地自动化了完整 RADseq 流程，且基因组数据与模型推理均保留在本地计算环境。代码已公开，论文被 IEEE BIBM 2026 接收。
正文 · AI 翻译
摘要：限制性位点相关 DNA 测序（RADseq）是一类简化代表性测序方法。它利用限制性内切酶对基因组进行子集采样，从而能够以低成本对多个个体同时进行测序和基因分型。RADseq 广泛应用于群体基因组学、进化生物学、标记发现以及 SNP 面板的开发，但完整的分析仍然需要专家协调多个工具和处理阶段。传统的 RADseq 分析需要专家协调异构的生物信息学工具、中间产物、质量控制检查以及跨多个阶段的参数相关决策。尽管各个步骤可以脚本化，但执行完整的工作流仍然需要人工监督以进行状态跟踪、结果验证和故障处理。为了自动化这种由专家驱动的协调过程，我们提出了 RADAgent，它引入了一种模块化的智能体方法，利用开放权重 LLM 可靠地执行 RADseq 工作流。RADAgent 将 RADseq 工作流的自然边界映射为 16 个可独立执行和验证的智能体模块，并使用与模型无关的运行时进行有界工具执行、磁盘验证和故障恢复。我们在一个包含来自 19 个群体的 476 个样本的真实群体基因组学数据集上评估了 RADAgent。结果表明，RADAgent 能够利用开放权重 LLM 可靠地自动化完整的 RADseq 工作流，同时将基因组数据和模型执行保持在本地计算环境中。代码公开于 此 https URL。
| 评论： | 已被 IEEE BIBM 2026 接收。代码：此 https URL |
| 主题： | 基因组学（q-bio.GN）；人工智能（cs.AI）；软件工程（cs.SE） |
| 引用为： | arXiv:2610.33009 [q-bio.GN] |
| （或 arXiv:2610.33009v1 [q-bio.GN] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33009 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Qiming Guo [查看电子邮件]
[v1]
2026 年 10 月 7 日星期三 21:11:48 UTC（220 KB）
来源：arXiv cs.AI · arxiv.org