ヒト同士およびウイルス-ヒトのタンパク質間相互作用に対する自律的学習とルール誘導のためのエージェント型AIプラットフォーム

要旨: 私たちは、AIエージェントに対して、2つの別個のエージェント型AIプラットフォームを構築させます。1つは、人-人およびウイルス-人PPI（タンパク質間相互作用）のための予測MLモデルを自律的に学習するためのプラットフォーム、もう1つは、人-人およびウイルス-人PPIを支配する明示的な一般ルールを誘導するためのプラットフォームです。PPIの予測MLモデルを自律的に学習するための最初のエージェント型AIプラットフォームは、5つのAIエージェントで構成されるように設計されており、自律的なデータ収集、データ検証、特徴埋め込み、モデル設計、そして3方向（three-way）タンパク質非重複のクロスフォールド・データセット上での学習と検証を担当します。人-人および人-ウイルスのPPIに対して、最終的な3方向（three-way）タンパク質非重複アンサンブルは、それぞれ87.3%および86.5%の精度を達成します。検証（cross-checking）と解釈可能性のために、2つ目のエージェント型AIプラットフォームは、ML予測を、タンパク質埋め込み、物理化学的自己共分散記述子、コンパートメント注釈、経路（パスウェイ）とドメインの重なり、そしてグラフ文脈から導出される、人が読めるルールに置き換えるように設計されています。人-人PPIの場合、これは2つのルールによる誘導として定義されますが、人-ウイルスは、より複雑な一連の重み付きルールによって誘導されます。2つ目のエージェント型プラットフォームが誘導したルールは、最初のエージェント型プラットフォームが構築した予測MLモデルからSHAPによって特定された特徴と整合します。以上を踏まえると、本研究は、データ計画から実行まで、またルール誘導からMLにおける説明までを行うエージェント型AIの能力を示しており、さまざまな応用への扉を開きます。