用于人与人以及病毒-人蛋白质-蛋白质相互作用的自主训练和规则归纳的代理人工智能平台

我们指示人工智能代理构建两个独立的代理人工智能平台：一个用于自主训练人类-人类和病毒-人类 PPI 的预测 ML 模型，另一个用于诱导管理人类-人类和病毒-人类 PPI 的明确一般规则。第一个用于 PPI 预测 ML 模型自主训练的代理 AI 平台由五个 AI 代理组成，这些代理负责处理三向蛋白质不相交交叉折叠数据集的自主数据收集、数据验证、特征嵌入、模型设计以及训练和验证。对于人-人和人-病毒 PPI，最终的三向蛋白质不相交集成分别达到 87.3% 和 86.5% 的准确率。出于交叉检查和可解释性的目的，第二个代理人工智能平台旨在用源自蛋白质嵌入、物理化学自协方差描述符、区室注释、通路域重叠和图形上下文的人类可读规则取代机器学习预测。对于人-人 PPI，它是由两条规则归纳定义的，而人-病毒是由一组更复杂的加权规则诱导的。第二个代理平台引入的规则与第一个代理平台构建的预测 ML 模型中 SHAP 识别的特征相一致。总而言之，我们的工作展示了代理人工智能在 ML 中协调从数据规划到执行、从规则归纳到解释的能力，为各种应用打开了大门。