RegNetAgents to nowy system oparty na multiagentowej architekturze AI, który automatycznie identyfikuje geny regulacyjne powiązane z rakami w dużych sieciach genomicznych. Framework integruje dane z projektu TCGA dotyczące tumorów raka piersi i jelita grubego z sieciami regulacyjnymi ze źródła GREmLN, umożliwiając jednoczesną analizę danych masowych i danych z pojedynczych komórek. Dla każdego wybranego genu system przeprowadza klasyfikację w obu sieciach, filtruje kandydatów używając adnotacji OncoKB i przypisuje mechanizmy działania dla relacji regulacyjnych pochodzących z tumorów.
System implementuje dynamiczny workflow DAG w bibliotece LangGraph z dostępem przez API Pythona i Model Context Protocol, działając jako warstwa analityczna nad wcześniej obliczonymi sieciami. Podczas testów na 11 genach ogniskowych raka piersi i 12 genach raka jelita grubego, RegNetAgents wykazał wysoką wzbogacenie kandydatów w geny znane OncoKB - dla danych TCGA Stouffer Z wyniosło 6,69 dla piersi i 6,95 dla jelita grubego, a dla danych GREmLN odpowiednio 5,51 i 7,06. Wszystkie wartości p były mniejsze od 0,0001.
Najważniejsze jest, że system nie wykazał fałszywych sygnałów w genach housekeeping czy kontrolnych, co potwierdza rzeczywistą zdolność do rozpoznawania istotnych biologicznie genów regulacyjnych. To otwarcie nową możliwość dla badaczy w odkrywaniu nowych potencjalnych celów terapeutycznych i lepszym zrozumieniu sieci regulacyjnych w zaawansowanych nowotworach.