# Progressive Multi-Agent Reasoning for Biological Perturbation Prediction

### 저자

Hyomin Kim, Sang-Yeon Hwang, Jaechang Lim, Yinhua Piao, Yunhak Oh, Woo Youn Kim, Chanyoung Park, Sungsoo Ahn, Junhyeok Jeon

### 💡 개요

생물학적 교란에 대한 유전자 조절 반응 예측은 복잡한 인과 관계 추론을 요구하지만, 기존 LLM은 고차원 데이터로 인해 어려움을 겪습니다. 특히 신약 개발에 중요한 벌크 세포 화학적 교란에 대한 연구는 미흡했습니다. 본 논문은 벌크 세포 환경에서의 복잡한 화학적 교란에 대한 표적 유전자 조절 예측을 위한 새로운 벤치마크인 LINCSQA를 소개하고, 난이도 인식 작업 순서 지정과 반복적 지식 개선을 통합한 멀티 에이전트 프레임워크인 PBio-Agent를 제안합니다.

### 🔑 시사점 및 한계

- 동일한 교란에 영향을 받는 유전자들은 인과 구조를 공유하며, 예측이 쉬운 유전자들의 정보를 바탕으로 어려운 경우를 해결할 수 있습니다.

- PBio-Agent는 생물학적 지식 그래프로 강화된 전문 에이전트와 종합 에이전트, 논리적 일관성을 보장하는 판정 에이전트를 통해 기존 방법론을 능가하는 성능을 보여주며, 추가 훈련 없이도 복잡한 생물학적 과정을 예측하고 설명할 수 있습니다.

- 벌크 세포 화학적 교란이라는 특정 환경에 초점을 맞추고 있으며, 향후 싱글 셀 데이터 및 다양한 유형의 교란에 대한 확장 연구가 필요할 수 있습니다.

---

[PDF 보기](https://arxiv.org/pdf/2602.07408)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).
