基于约束的代谢建模是研究细胞状态和疾病机制基础的一种强有力方法，但其有效应用需要相当程度的计算专业知识以及对多步骤分析的精细协调。我们开发了 MechAInistic，以降低这一门槛，并使研究人员能够使用自然语言提出复杂的生物学问题。MechAInistic 利用大语言模型，是一个围绕 Architect-Reviewer 模式组织的多智能体系统，能够将自然语言问题转化为可执行、以模型为基础的工作流程，并生成结构化报告。
该系统支持多种任务，包括通路比较、扰动分析、药物靶点探索，以及针对成对代谢模型状态的基于文献的解释。我们在两个药物再利用应用案例中测试了 MechAInistic。针对类风湿性关节炎（RA）患者的初始 B 细胞与健康对照的配对研究，该系统定量表征了驱动疾病的代谢重编程，利用拓扑枢纽筛选和稳健性分析对候选反应进行了优先级排序，并提出 Devimistat 可能是一个潜在的再利用候选药物，其作用机制是通过三羧酸循环中的 2-氧戊二酸脱氢酶发挥作用。
在一项来自多发性硬化症（MS）患者与健康对照的配对 CD4+ Th17 细胞研究中，相同的工作流程识别出 NADP 依赖性异柠檬酸脱氢酶为最优单一靶点，并提出 ivosidenib 作为一个已获 FDA 批准的再利用候选药物。综合来看，这些结果表明，MechAInistic 能够直接与机制建模对接，并将大语言模型的推理能力转化为可复现的生物学发现。MechAInistic 可通过 https://mechainistic.dtih.org 访问。
T.H. 是 Discovery Collective, Inc. 和 ImmuNovus, Inc. 的创始人及股东。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.11.723319v1?rss=1
🏷️ 大语言模型 多智能体系统 代谢网络建模 全基因组尺度模型 药物再利用 约束型代谢分析