从检索到推理：根据Cell Painting特征进行Agentic作用机制预测

细胞绘画是一种高内涵形态分析测定，广泛用于基于表型的生物推断，以作用机制 (MOA) 预测为核心应用。现有方法主要将基于细胞绘画的推理表述为表示匹配，根据形态特征空间中的附近参考扰动分配预测。然而，由于批次效应、非特异性细胞毒性、表型趋同和来源依赖性变异性，检索到的邻居证据通常是嘈杂且部分误导的证据。我们将基于细胞绘画的 MOA 预测重新表述为校准的证据推理问题，其中检索到的邻居被视为不确定的观察结果，必须在支持机械结论之前对其进行评估、比较，有时甚至被拒绝。我们提出了 PhenoAIR，一种可靠性感知的多智能体框架，它维护以候选者为中心的证据记忆，并对表型和机制方面的证据进行控制器引导的细化。 PhenoAIR 使用离线参考集校准来根据来源可靠性、表型稳定性和机制级别的混乱来衡量证据。我们根据 JUMP Cell Painting 配置文件和注释构建的基准评估 PhenoAIR，涵盖受控、现实和面向发现的开放世界 MOA 预测设置。 PhenoAIR 在所有设置中均优于表征匹配和基于 LLM 的基线。