Medea : un agent d’IA omics pour la découverte thérapeutique, capable d’effectuer un raisonnement vérifié et à long terme à travers les contextes protéiques, les états cellulaires et les données omics personnalisées des patients.
Published in Tools.
Marinka Zitnik • Professeure agrégée, Harvard
Medea : un agent d’IA omics pour la découverte thérapeutique, capable d’effectuer un raisonnement vérifié et à long terme à travers les contextes protéiques, les états cellulaires et les données omics personnalisées des patients.
Medea valide chaque décision et chaque résultat par rapport aux données et aux contraintes des outils tout au long de l’analyse.
Pengwei Sui · Michelle L. · Shanghua Gao
👉 Medea : https://lnkd.in/eGNy5Q_D
👉 Science ouverte : https://lnkd.in/eNfp3D3B
👉 Article : https://lnkd.in/efe4-98b
2️⃣ MEDEA est un agent omics conscient de la vérification, conçu pour un raisonnement thérapeutique à long horizon.
Ce qui le rend unique :
• Vérification du contexte et de l’intégrité pendant la construction du plan de recherche (détecte tôt les erreurs de contexte)
• Vérifications avant et après l’exécution des outils (une analyse peut s’exécuter sans erreur et être néanmoins incorrecte)
• Évaluation de la pertinence des études et de la solidité des preuves dans la littérature (pas seulement la récupération)
• Consensus en plusieurs cycles qui concilie les résultats des outils, la littérature et le LLM, avec abstention calibrée lorsque les preuves sont insuffisantes
• Un espace d’outils riche comprenant des modèles fondamentaux de transcriptomique unicellulaire et en vrac, des cartes de dépendance génétique, des réseaux protéiques et tissulaires, des ressources de voies et d’ontologies, ainsi que des modèles de ML interprétables
3️⃣ Nous évaluons Medea sur 5 679 analyses dans trois domaines ouverts :
🔹 Identification de cibles selon les contextes de types cellulaires
🔹 Raisonnement sur la létalité synthétique dans des lignées cellulaires cancéreuses
🔹 Prédiction de la réponse à l’immunothérapie à partir de transcriptomes de patients
4️⃣ La découverte de cibles échoue lorsque la biologie est moyennée.
Medea raisonne à la résolution du type cellulaire, en intégrant :
• atlas unicellulaires
• génétique des maladies
• preuves pharmacologiques
5️⃣ La létalité synthétique pose une question subtile :
Deux perturbations géniques réduisent-elles ensemble la viabilité plus que ce que l’on attend de chacune séparément ?
Medea traite cela comme une tâche de synthèse de preuves, en combinant :
• données de dépendance CRISPR
• contexte des voies biologiques
• soutien de la littérature
Et elle s’abstient lorsque les preuves sont faibles.
6️⃣ Sur sept lignées cellulaires cancéreuses, Medea surpasse les LLMs pour identifier de véritables interactions létales synthétiques.
Medea ne se contente pas de prédire davantage de résultats positifs : elle corrige aussi les erreurs des LLMs et évite les affirmations faussement confiantes.
7️⃣ Prédiction de la réponse à l’immunothérapie à partir de transcriptomes personnels
Prédire la réponse à l’immunothérapie exige un raisonnement sur :
• les transcriptomes tumoraux
• les programmes immunitaires
• le contexte clinique
8️⃣ Medea fonctionne là où les heuristiques échouent.
À travers des tumeurs à TMB élevé/faible et inflammées/non inflammées, Medea :
• surpasse les LLMs
• corrige les erreurs des modèles de ML
• adapte son raisonnement à la biologie des sous-groupes
Félicitations à @sui67713 @_michellemli @GaoShanghua Wanxiang Shen Valentina Giunchiglia Andrew Shen Yepeng Huang Zhenglun Kong
https://lnkd.in/eGNy5Q_D
Science ouverte : https://lnkd.in/eNfp3D3B
https://lnkd.in/efe4-98b
Harvard Medical School · Harvard University · Department of Biomedical Informatics (HMS) · Broad Institute of MIT and Harvard · Kempner Institute at Harvard University · Harvard Data Science Initiative