空间转录组学人工智能代理图表hPSC-胰腺成熟 in vivo

科学领域:

• 计算生物学和生物信息学
• 基因组学和转录基因组学
• 发育生物学和再生医学.

背景情况:

• 空间转录学产生复杂的数据集,需要专门的计算和生物专业知识进行分析.
• 当前的分析方法往往局限于狭窄的,预定义的任务,阻碍了全面的数据解释.
• 需要先进的工具来自动化和民主化空间转录数据的分析.

研究的目的:

• 介绍空间转录学AI代理 (STAgent),一个自主多式联络AI代理,旨在有效地进行空间转录学数据分析.
• 利用多式联络大型语言模型 (LLM) 和专门的计算工具进行自动化,多步骤的分析.
• 通过整合代码生成,视觉推理,文献检索和报告合成来实现自主深度研究.

主要方法:

• 开发STAgent,一个人工智能代理,将多式联络LLM与自动化分析计算工具集成在一起.
• 在小鼠in vivo成熟过程中,应用STAgent来分析人类干细胞衍生胰腺细胞 (SC-胰腺) 的空间转录组学数据.
• 利用STAgent的功能来实现动态代码生成,空间模式的视觉解释和基于文献的上下文化.

主要成果:

• STAgent自主识别了内分泌细胞成长为岛屿状结构的过程,详细说明了α和β细胞的排列以及介质酶网络的扩张.
• 分析揭示了强化内分泌-内分泌细胞相互作用,并揭示了空间分辨的生物过程驱动成熟.
• STAgent为空间模式提供了机械解释,将研究结果与文献联系起来,并产生了对人类胰腺发育的有凝聚力的见解.

结论:

• 通过显著减少专业知识障碍和分析时间,STAgent在空间转录组学分析中建立了一个新范式.
• 代理方法通过自主,深入的数据解释加速生物和生物医学发现.
• STAgent展示了人工智能的潜力,可以改变复杂的生物数据分析并推动科学创新.