PulseAugur
实时 07:10:44
English(EN) DDIAgents: Mechanism-Conditioned Context Flow for Drug-Drug Interaction Prediction

新的多智能体系统DDIAgents增强药物-药物相互作用预测

研究人员开发了DDIAgents,一个旨在改进药物-药物相互作用(DDIs)预测的新型多智能体框架。该系统通过使用规划器智能体来实例化专门的专家智能体,根据推断的相互作用机制路由相关信息,并聚合分析,从而动态地组织生物医学知识。通过使上下文流适应特定机制,DDIAgents旨在减少不相关数据并增强可解释性。在DDI预测基准上的实验表明,DDIAgents的性能优于包括基于LLM和其他基于智能体的方法在内的现有方法,展示了其在自适应和可解释的AI4Science推理方面的潜力。 AI

影响 该框架可能带来更准确和可解释的药物安全评估,从而加速制药研发。

排序理由 该集群包含一篇详细介绍新AI模型和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的多智能体系统DDIAgents增强药物-药物相互作用预测

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Zhenqian Shen, Yu Liu, Xiaoyi Fu, Quanming Yao ·

    DDIAgents: Mechanism-Conditioned Context Flow for Drug-Drug Interaction Prediction

    arXiv:2606.31085v1 Announce Type: new Abstract: Drug-drug interaction (DDI) prediction is essential for medication safety, yet it requires reasoning over heterogeneous biomedical evidence whose relevance changes across interaction mechanisms. We propose DDIAgents, a mechanism-con…