论文

DDIAgents:药物相互作用预测的机制条件化上下文流

DDIAgents: Mechanism-Conditioned Context Flow for Drug-Drug Interaction Prediction

智能体系统上下文与知识上下文工程Agent 协作

摘要

药物-药物相互作用(DDI)预测对用药安全至关重要——但需要对异构生物医学证据推理,其相关性随交互机制变化。我们提出DDIAgents:机制条件化的多智能体框架——经动态知识编排执行DDI预测。给定药物对,规划者智能体实例化专职专家智能体、把机制相关的知识源路由给每个智能体、并经结论智能体聚合其分析。通过使上下文流适应推断的交互机制,DDIAgents减少无关信息、支持互补的专家推理、并产出可解释的智能体级理由。现实DDI预测基准上的大量实验显示:DDIAgents持续超越既有基于特征、基于图、基于LLM与基于智能体的基线。

DDIAgents:药物相互作用预测的机制条件化上下文流:论文配图
图 1.具有不同机制的三个 DDI 示例:(a) 药代动力学变化,(b) 药效学干扰,(c) 化学介导的协同作用。这些 DDI 的预测需要不同的知识和专业知识。