跳到主要内容
返回时间线
bioRxiv来源发表:

Octomod 把大模型智能体接入系统生物学建模流程:无人工引导即复现已发表模型,修订后 AIC 低 6.8

核心概要

系统生物学中的机理模型要把生物学知识写成反应网络并反复拟合,历来依赖生物学、数学与计算三方协作。Octomod 把大语言模型智能体嵌入 SBML、PEtab、AMICI 与 pyPESTO 组成的既有流程,智能体只提出候选模型与修订,检查、参数估计与比较由确定性模块执行,用户在每个交互点拍板。在已发表的 CTD 磷酸化数据上,无人工引导的一轮运行选出与已发表模型相当的候选,再经一轮修订后 AIC 比已发表模型低 6.8。

AI-generated editorial illustration: Large language models complement established workflows for mechanistic model construction and refinement in systems biology

深度剖析

机理模型构建中最耗人力的环节——把生物学描述翻译成可执行的反应网络、再根据拟合残差提出修订——现在可以由大语言模型智能体提出候选,而检查、拟合与模型比较仍交给既有软件完成。 此前的知识驱动建模路线(如 INDRA、BioMASS)主要把文本知识组装成模型结构,符号回归类方法则从轨迹反推方程;模型构建与迭代修订仍由建模者手工完成。 在已发表、由专家构建的 P-TEFb 磷酸化 CTD 八重复序列模型问题上,Octomod 在关闭知识模块、不提供额外信息与网络访问、每个交互点只批准默认提案的条件下,第一轮选出的模型为 8 参数、AIC 为 −166.4,已发表模型为 7 参数、AIC 为 −166.0,两者观测模型与噪声模型相同,可直接比较。

工作方式是把一次建模拆成知识检索、模型构建、模型扩展、数据抽取、PEtab 组装、编译探测、参数估计与评估八个模块,由中央引擎调度,智能体只在模块内提出内容。 每个智能体是一次无记忆的独立调用,只拿到声明好的输入;输出若违反契约或未通过检查会被退回重写,三次失败后交由用户决定。 在 PBMC 质谱流式数据案例中,知识模块经两次调用从 44 篇文献整理出 73 条反应与 25 条事实并附证据等级,最终共构建并拟合 17 个模型,其中最佳模型同时包含单核细胞分泌的 I 型干扰素与 IL-6、T 细胞中的关闭机制以及一条直接通路。

每次运行的输入、智能体调用、检查与用户决定都写入单个 HDF5 运行记录,使模型构建过程可被事后检查。 SBML 与 PEtab 只记录最终模型与估计问题,不记录它们是如何得到的。 运行记录还保存提示词、回复、模型版本与费用,并可裁剪后用于发布或生成 HTML 报告;在未发表脂质组数据上,六次连续运行把手工提供的 14 物种、21 反应模型精简为 9 物种、11 反应,最终拟合 11 个测量脂类中的 6 个、共 108 个数据点。

启示与展望

已展示的范围是四类问题:已发表的 CTD 磷酸化数据、已发表的巨噬细胞转录组数据、已发表的 PBMC 质谱流式数据,以及本研究新生成的 SH-SY5Y 鞘脂脉冲追踪数据;模型形式限定为常微分方程反应网络,模型与估计问题以 SBML 和 PEtab 表示。读者对象是需要构建或修订机理模型的系统生物学与计算生物学研究者。

作者指出,与两次无流程智能体分析的比较并不完备:两次分析各只运行一次,且未被要求使用相应标准与工具,因此需要跨结构层次的基准测试。精确复现对任何基于大语言模型的方法都不可及,模型输出在运行之间会变化,商业前沿模型即使版本相同也可能改变行为;智能体是否动用了未被明确给出的训练信息也难以判断。在巨噬细胞案例中,若干参数停在搜索边界,早期 IRF1 峰值与部分供体相关残差仍拟合不佳;在脂质组案例中,棕榈酸标记进入醛类的路径未获解释,神经酰胺在追踪后期仍被高估。