Количественная биология > количественные методы [представлен 6 октября 2026 года] Название: TargetAgent: Mathematical AI Co-Scientist for Drug Target View PDF HTML (экспериментальный) резюме: учитывая проблемы развития фармацевтической промышленности, растет интерес к вычислительным подходам для выявления новых целей в области наркотиков. Технологии транскриптомии позволяют анализировать механизмы борьбы с заболеваниями при беспрецедентном разрешении, в то время как платформы пространственного разрешения обеспечивают дальнейшее сохранение пространственной структуры клеток внутри тканей, что позволяет проводить анализ с упором на конкретные области локализации заболеваний. Для того чтобы на основе этих данных можно было определить целевые показатели лечения, необходимо выявить механизмы, которые повторяются не в отношении отдельных пациентов, а среди населения, что требует комплексного анализа различных заболеваний и групп доноров. Здесь мы представляем основу для совместной научной рамочной основы МА для последовательного анализа данных о пространственной транскриптомике с участием нескольких партитур, которые объединяют интерпретируемые математические модели, включая оптимальный перенос, факторизацию на основе tensor и топологический анализ данных, а также агентическую интерпретация с помощью LLM. На основе использования дополнительной информации, предоставляемой этими математическими моделями, агенты последовательно выявляют регионы, в которых болезнь локализована,…
Соученик по вопросам идентификации целей в области борьбы с наркотиками: математическая АИ
arXiv:2610.33003v1 Annualce Type: новый резюме: Учитывая проблемы развития фармацевтической промышленности, растет интерес к вычислительным подходам для выявления новых целей в области наркотиков. Технологии транскриптомии позволяют анализировать механизмы борьбы с заболеваниями при беспрецедентном разрешении, в то время как платформы пространственного разрешения обеспечивают дальнейшее сохранение пространственной структуры клеток внутри тканей, что позволяет проводить анализ с упором на конкретные области локализации заболеваний. Для того чтобы на основе этих данных можно было определить целевые показатели лечения, необходимо выявить механизмы, которые повторяются не в отношении отдельных пациентов, а среди населения, что требует комплексного анализа различных заболеваний и групп доноров. Здесь мы представляем основу для совместной научной рамочной основы МА для последовательного анализа данных о пространственной транскриптомике с участием нескольких парот, которые объединяют интерпретируемые математические модели, включая оптимальный перенос, факторизацию на основе tensor и топологический анализ данных, острота