본 연구는 전이성 흑색종에서 항-PD-1 면역치료에 대한 선천적 저항성의 기저 분자 네트워크를 이해하기 위해 환자 종양 생검의 전사체 데이터를 이용하여 동적 확률 부울 네트워크 모델을 구축했습니다. 강화 학습 에이전트를 사용하여 최적의 다단계 치료 중재를 체계적으로 발견하고, 설명 가능한 인공 지능을 사용하여 에이전트의 제어 정책을 기계적으로 해석했습니다. 분석 결과, lysyl oxidase like 2 단백질 (LOXL2)의 정확한 시기에 맞춘 4단계 일시적 억제가 가장 효과적인 전략임을 밝혔습니다. 설명 가능한 분석을 통해 이러한 "hit-and-run" 중재는 저항을 유발하는 분자 서명을 지우기에 충분하며, 지속적인 중재 없이 네트워크가 자체적으로 수정될 수 있음을 보여주었습니다. 이 연구는 면역치료 저항을 극복하기 위한 새로운 시간 의존적 치료 가설을 제시하고 복잡한 생물학적 시스템에서 명확하지 않은 중재 프로토콜을 식별하기 위한 강력한 계산 프레임워크를 제공합니다.
