Human-supervised Agentic AI for Hypothesis Generation and Experimental Assistance in Drug Repurposing

Die Studie stellt RepurAgent vor, ein von Menschen überwachtetes, hierarchisches Multi-Agenten-System, das den gesamten Lebenszyklus der Wirkstoffwiederverwendung von der Hypothesengenerierung bis zur experimentellen Analyse unterstützt und dabei in drei validierten Szenarien hohe Genauigkeit und Effizienz demonstriert.

Das Wesentliche

Stellen Sie sich vor, die Suche nach neuen Medikamenten für alte Krankheiten ist wie das Suchen nach dem perfekten Schlüssel für ein verschlossenes Schloss. Normalerweise suchen Wissenschaftler stundenlang selbst nach dem Schlüssel, indem sie Tausende von alten Schlüsseln (bereits bekannten Medikamenten) durchprobieren. Das ist mühsam, langsam und oft fehleranfällig.

Diese neue Studie stellt einen digitalen Assistenten namens „RepurAgent" vor. Man kann sich diesen Assistenten wie einen hochintelligenten, organisierten Chef-Koch in einer riesigen Küche vorstellen, der von einem menschlichen Küchenchef (dem Wissenschaftler) beaufsichtigt wird.

Hier ist, wie dieser „Chef-Koch" funktioniert, einfach erklärt:

1. Das Team im Hintergrund

RepurAgent ist nicht nur ein einzelner Roboter, sondern ein gut koordiniertes Team:

• Der Supervisor (Der Küchenchef): Er hält den Überblick, sorgt dafür, dass alles läuft, und greift ein, wenn es kritisch wird (das ist der „Mensch im Loop").
• Der Planer (Der Speisekarten-Manager): Er denkt voraus und erstellt den Ablaufplan.
• Die Spezialisten: Es gibt vier kleine Helfer im Team:
  • Der Forscher: Sucht in Büchern und Datenbanken nach Ideen.
  • Der Vorhersager: Rechnet aus, welche Medikamente wahrscheinlich wirken könnten.
  • Der Daten-Analyst: Prüft die Messergebnisse aus dem Labor.
  • Der Berichterstatter: Schreibt alles sauber auf.

2. Wie sie arbeiten

Statt nur eine Idee zu spucken, begleitet dieser Assistent den gesamten Prozess – von der ersten Idee bis zum Laborergebnis. Er hat ein Gedächtnis (er erinnert sich an das, was er schon gelernt hat) und kann nachschlagen (er liest ständig neue wissenschaftliche Artikel), um nicht aus dem Takt zu geraten. Er arbeitet nach strengen Regeln, die speziell für die Medikamentensuche entwickelt wurden.

3. Der Beweis: Drei große Aufgaben

Das Team wurde an drei verschiedenen „Kochkursen" getestet, um zu zeigen, wie gut es ist:

• Aufgabe 1: Die akute Leukämie (Blutkrebs)
  Hier musste der Assistent schnell die besten Wege finden, um die Krankheit zu bekämpfen. In nur 60 Minuten fand er fast alle wichtigen Hinweise (97 %), die auch ein sehr fortschrittliches KI-System (Google Co-Scientist) gefunden hätte. Das ist, als würde er in einer Stunde das tun, wofür ein Mensch Tage bräuchte.

• Aufgabe 2: Das Coronavirus (COVID-19)
  In diesem Fall half der Assistent beim Durchsuchen alter Medikamente, um neue antivirale Mittel zu finden. Er war wie ein scharfsinniger Detektiv, der nicht nur nach vorgegebenen Regeln suchte, sondern auch Dinge bemerkte, die Menschen übersehen hätten (sogenannte „Störfaktoren"). Er konnte die besten Kandidaten so gut auswählen, dass seine Trefferquote extrem hoch war.

• Aufgabe 3: Seltene Stoffwechselerkrankung
  Hier hatte das Team eine riesige Liste von 5.000 alten Medikamenten. Der Assentlich sortierte diese wie ein erfahrener Bibliothekar und filterte die 82 vielversprechendsten Kandidaten heraus. Experten haben diese Auswahl später geprüft und bestätigt: Der Assistent hatte recht!

Das Fazit

Die Botschaft der Studie ist einfach: KI muss nicht nur Ideen liefern, sie kann den ganzen Weg mitgehen.

RepurAgent ist wie ein unermüdlicher, kluger Praktikant, der den menschlichen Wissenschaftler entlastet. Er macht die langweilige Arbeit, findet Muster, die dem menschlichen Auge entgehen, und hilft dabei, neue Heilmittel schneller zu finden. Das Beste daran: Das Werkzeug ist kostenlos und offen für alle, damit jeder damit experimentieren kann.

Kurz gesagt: Wir haben nicht nur einen neuen Schlüssel gefunden, sondern einen Roboter, der uns hilft, Tausende von Schlüsseln zu testen, damit wir schneller das richtige Schloss öffnen können.

Technische Zusammenfassung

1. Problemstellung

Der aktuelle Stand der computergestützten Wirkstoff-Repurposing-Forschung konzentriert sich primär auf die schnelle Generierung von Hypothesen. In der Praxis erstreckt sich der Lebenszyklus eines Repurposing-Projekts jedoch über einen weitaus größeren Rahmen: von der Vorschlagung von Wirkstoffkandidaten über das Design von Experimenten und die Analyse von Assay-Daten bis hin zur iterativen Verfeinerung der Kandidaten. Bisherige Systeme decken oft nur isolierte Teile dieses Prozesses ab, was die Integration von menschlicher Expertise und die nahtlose Durchführung des gesamten Workflows erschwert.

2. Methodik: Das RepurAgent-System

Um diese Lücke zu schließen, wurde RepurAgent entwickelt, ein hierarchisches Multi-Agenten-System, das auf einem „Human-in-the-Loop"-Design basiert. Die Architektur und Funktionsweise lassen sich wie folgt beschreiben:

• Hierarchische Struktur: Das System besteht aus einem Supervisor-Agenten und einem Planungs-Agenten, die vier spezialisierte Sub-Agenten koordinieren:
  1. Research-Agent: Für die Literaturrecherche und Wissensgewinnung.
  2. Prediction-Agent: Für die Vorhersage von Wirkstoff-Wirkungs-Beziehungen.
  3. Data-Agent: Für den Zugriff auf Datenbanken und die Verarbeitung experimenteller Daten.
  4. Report-Agent: Für die Zusammenfassung und Dokumentation der Ergebnisse.
• Technische Grundlagen: Das System nutzt Retrieval-Augmented Generation (RAG) und verfügt über ein episodisches Gedächtnis, um Kontext über den gesamten Workflow hinweg zu bewahren.
• Domänenspezifische Verankerung: RepurAgent ist fest in Daten, Tools und Standard Operating Procedures (SOPs) verankert, die speziell für das Wirkstoff-Repurposing entwickelt wurden (im Rahmen des Konsortiums REMEDi4ALL).
• Menschliche Aufsicht: Der Supervisor-Agent überwacht den Prozess und ermöglicht die Einbindung menschlicher Experten für kritische Entscheidungen, was die Zuverlässigkeit und Sicherheit erhöht.

3. Schlüsselbeiträge

• End-to-End-Lösung: Der erste Nachweis, dass ein agentic AI-System den gesamten Lebenszyklus des Wirkstoff-Repurposing abdecken kann – von der Hypothesenbildung bis zur experimentellen Analyse.
• Adaptive Zusammenarbeit: Das System fungiert nicht nur als passives Werkzeug, sondern als adaptiver experimenteller Partner, der Konfundierungsvariablen erkennt und Priorisierungen ohne starre Schwellenwerte vornimmt.
• Open Source & Deployment: Das System ist als Open-Source-Projekt verfügbar und über eine Web-Oberfläche deployt (https://repuragent.serve.scilifelab.se/), was die Reproduzierbarkeit und breite Nutzung fördert.

4. Ergebnisse und Validierung

Das System wurde in drei unterschiedlichen Szenarien validiert, die verschiedene Phasen des Repurposing-Lebenszyklus abdecken:

1. Akute Myeloische Leukämie (AML):
   • RepurAgent konnte bis zu 97 % der krankheitsrelevanten Signalwege wiederherstellen, die auch von „Google Co-Scientist" identifiziert wurden.
   • Der gesamte Workflow wurde innerhalb von 60 Minuten abgeschlossen.
2. Retrospektives COVID-19-Antiviralscreening:
   • Das System agierte als adaptiver Partner und priorisierte Verbindungen mit einer AUC-ROC von bis zu 0,98, ohne auf vordefinierte Schwellenwerte angewiesen zu sein.
   • Es identifizierte und meldete Konfundierungsvariablen, die bei der manuellen Überprüfung übersehen worden waren.
3. Multiple Sulfatase-Defizienz (MSD):
   • Aus einer Bibliothek von 5.000 Verbindungen wurden 82 hochvertrauenswürdige Kandidaten priorisiert.
   • Diese Kandidaten wurden durch Domänenexperten bestätigt und validiert.

5. Bedeutung und Ausblick

Die Ergebnisse demonstrieren, dass agentic AI-Systeme wie RepurAgent die Effizienz und Tiefe der Wirkstoff-Repurposing-Forschung erheblich steigern können. Durch die Automatisierung des gesamten Workflows – von der Datenerhebung bis zur experimentellen Validierung – wird die Geschwindigkeit der Entdeckung neuer Therapien erhöht, während die menschliche Expertise durch die „Human-in-the-Loop"-Architektur gezielt für strategische Entscheidungen genutzt wird. RepurAgent stellt somit einen wichtigen Schritt hin zu autonomen, aber kontrollierten KI-Laborassistenten dar, die komplexe biomedizinische Probleme lösen können.