AblateCell：仮想細胞リポジトリのための「再現してからアブレーションする」エージェント

要旨: システマティックなアブレーションは、AI Virtual Cellsにおける性能向上を帰属させるために不可欠ですが、生物学的リポジトリが標準化されておらず、ドメイン固有のデータやフォーマットと密結合しているため、ほとんど実施されていません。近年のコーディングエージェントはアイデアを実装へ翻訳できますが、通常はコードを生成するところで止まってしまい、強力なベースラインを再現し、どの構成要素が本当に重要かを厳密に検証できる検証者（verifier）を備えていません。本研究では、この検証ギャップを埋める仮想細胞リポジトリ向けの、reproduce-then-ablate（再現してからアブレーションする）エージェントであるAblateCellを提案します。AblateCellはまず、環境を自動設定して依存関係やデータの問題を解決し、さらに公式評価を再実行しながら、検証可能な成果物を出力することで、報告されたベースラインをエンドツーエンドで再現します。次に、隔離されたリポジトリ改変のグラフを生成し、性能への影響と実行コストのトレードオフを行う報酬に基づいて実験を適応的に選択することで、クローズドループなアブレーションを実施します。単一細胞の摂動予測リポジトリ3件（CPA、GEARS、BioLORD）で評価したところ、AblateCellはエンドツーエンドのワークフロー成功率で88.9%（+29.9%：人間の専門家）を達成し、地に即した重要構成要素（ground-truth critical components）の回復において精度93.3%（+53.3%：ヒューリスティック）を達成しました。これらの結果により、生物学的コードベース上で、スケーラブルなリポジトリに根差した検証と帰属が実現できます。