Các nhà nghiên cứu vừa giới thiệu RegNetAgents, một khung đa tác nhân (multi-agent) dựa trên trí tuệ nhân tạo nhằm tự động hóa việc xác định các gen điều hòa có khả năng thúc đẩy ung thư thông qua các mạng lưới gen dị thể. Theo báo cáo từ arXiv, hệ thống này đóng vai trò như một lớp phân tích hạ nguồn xử lý các mạng lưới điều hòa gen đã được tính toán trước, thay vì tự suy luận mạng lưới từ đầu. Đây là bước tiến quan trọng giúp các nhà sinh học hệ thống thu hẹp khoảng cách giữa các tập dữ liệu đơn bào và dữ liệu khối u lớn.
Bối cảnh & Nguyên nhân
Việc xác định các gen điều hòa chủ chốt trong ung thư học thường gặp khó khăn do sự phân mảnh giữa các nguồn dữ liệu sinh học khác nhau. RegNetAgents được thiết kế để giải quyết thách thức này bằng cách tích hợp đồng thời các mạng lưới ARACNe thu được từ khối u đại trà (bulk tumor) của dự án TCGA và mạng lưới đơn bào quy mô lớn từ dự án GREmLN. Đối với một gen mục tiêu cụ thể, hệ thống sẽ tiến hành phân loại mạng kép, lọc các gen ung thư dựa trên chú thích từ cơ sở dữ liệu OncoKB uy tín và phân tích cơ chế hoạt động (MoA) đối với các mối quan hệ điều hòa có nguồn gốc từ khối u.
Phân tích kỹ thuật & Công nghệ
Khung công nghệ của RegNetAgents được xây dựng dưới dạng một luồng công việc đồ thị có hướng không chu trình (DAG) bằng thư viện LangGraph. Hệ thống có thể được truy cập linh hoạt thông qua một API Python thống nhất kết hợp với giao thức Model Context Protocol (MCP) client. Trong quá trình vận hành, các tác nhân AI (agents) sẽ phân loại và xếp hạng các ứng viên dựa trên mức độ nhất quán của bằng chứng trên cả hai mạng lưới (chỉ có ở TCGA, chỉ có ở GREmLN, hoặc cả hai), giúp nâng cao độ tin cậy của kết quả dự đoán.
Ý kiến chuyên gia & Nhận định
Thử nghiệm thực tế trên 11 gen mục tiêu của ung thư vú (BRCA) và 12 gen mục tiêu của ung thư đại trực tràng (COAD) cho thấy RegNetAgents xác định được các gen điều hòa ứng viên có mức độ làm giàu (enrichment) rất cao đối với các gen ung thư đã được OncoKB chứng nhận. Theo số liệu từ nghiên cứu, các ứng viên từ TCGA đạt điểm số Stouffer Z là 6.69 cho BRCA và 6.95 cho COAD, trong khi các ứng viên từ GREmLN cũng đạt mức ý nghĩa thống kê cao với Z lần lượt là 5.51 và 7.06 (tất cả p < 0.0001). Đáng chú ý, không có sự làm giàu nào được ghi nhận ở các nhóm gen kiểm chứng không liên quan, khẳng định tính đặc hiệu cao của mô hình.
Tác động & Tương lai
Sự xuất hiện của RegNetAgents mở ra một hướng đi mới cho việc ứng dụng AI dạng tác nhân (Agentic AI) vào y học chính xác. Với các mô-đun mở rộng cho phép đánh giá cấu trúc về tiềm năng gây ung thư, khả năng nhắm mục tiêu bằng thuốc (druggability) và mức độ tổn thương của mạng lưới, công cụ này không chỉ dừng lại ở phân tích lý thuyết mà còn trực tiếp hỗ trợ tạo ra các giả thuyết sinh học có giá trị cao cho nghiên cứu lâm sàng thực tế tại Việt Nam và toàn cầu.