基於約束的代謝建模是研究細胞狀態和疾病機制基礎的一種強有力方法，但其有效應用需要相當程度的計算專業知識以及對多步驟分析的精細協調。我們開發了 MechAInistic，以降低這一門檻，並使研究人員能夠使用自然語言提出複雜的生物學問題。MechAInistic 利用大語言模型，是一個圍繞 Architect-Reviewer 模式組織的多智能體系統，能夠將自然語言問題轉化為可執行、以模型為基礎的工作流程，並生成結構化報告。
該系統支援多種任務，包括通路比較、擾動分析、藥物靶點探索，以及針對成對代謝模型狀態的基於文獻的解釋。我們在兩個藥物再利用應用案例中測試了 MechAInistic。針對類風濕性關節炎（RA）患者的初始 B 細胞與健康對照的配對研究，該系統定量表徵了驅動疾病的代謝重編程，利用拓撲樞紐篩選和穩健性分析對候選反應進行了優先級排序，並提出 Devimistat 可能是一個潛在的再利用候選藥物，其作用機制是通過三羧酸循環中的 2-氧戊二酸脱氫酶發揮作用。
在一項來自多發性硬化症（MS）患者與健康對照的配對 CD4+ Th17 細胞研究中，相同的工作流程識別出 NADP 依賴性異檸檬酸脱氫酶為最優單一靶點，並提出 ivosidenib 作為一個已獲 FDA 批准的再利用候選藥物。綜合來看，這些結果表明，MechAInistic 能夠直接與機制建模對接，並將大語言模型的推理能力轉化為可復現的生物學發現。MechAInistic 可通過 https://mechainistic.dtih.org 訪問。
T.H. 是 Discovery Collective, Inc. 和 ImmuNovus, Inc. 的創始人及股東。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.11.723319v1?rss=1
🏷️ 大語言模型 多智能體系統 代謝網絡建模 全基因組尺度模型 藥物再利用 約束型代謝分析