智能体AI发现单一数据集分析无法揭示的保守跨组织蛋白共丰度模式

跨组织保存的蛋白质共丰度簇可以揭示共同的疾病机制和候选治疗靶点，特别是当与器官局限性疾病有关的蛋白质聚集在外周或可及的组织中时。然而，之前的跨组织研究主要集中在生物学上预先选择的组织对上，而没有探索大多数可能的组合和不明显的关系。我们提出了一个 LLM 代理框架，用于组织特异性蛋白质共丰度网络的大规模、基于证据的比较。该框架构建组织网络，派生成对共识簇，并整合来自表达图谱、蛋白质相互作用和复杂数据库、通路注释、疾病目录和文献的证据。将其应用于 41 种人体组织和体液的所有 820 个配对组合后，它在 406 个组织对中鉴定出了 1,833 个保守的共丰度簇。结肠、滑液、血液、脑脊液和骨髓是连接最广泛的组织，而最丰富的簇对以骨髓为主。该分析还强调了不明显的关系：皮肤-骨髓超过了解剖学上相邻的骨髓-骨髓对，而结肠-乳房包含涉及细胞外基质重塑、脂质代谢和免疫调节的癌症相关簇。聚类水平分析产生了进一步的机制假设，包括脑-肠细胞外囊泡/氧化还原/血清素辅因子轴和涉及与白质疾病相关基因的肝-骨髓应激反应轴。这些结果提供了全球性的、可比较的保守蛋白质共丰度景观，并为机制和治疗探索提供了假设生成资源。代码和数据可在 https://github.com/Gry1005/AgenticAI-conserved-cross-tissue- Protein-co-abundance 获取。