Des chercheurs dirigés par Haoyang Liu ont présenté GenoMAS, une équipe d’agents fondés sur des modèles de langage qui collaborent pour nettoyer et interpréter des données transcriptomiques. Ces agents suivent un cadre de planification guidée qui leur permet de décomposer les tâches en petites actions et d’adapter leur démarche lorsque les données sont désordonnées. Sur le benchmark GenoTEX, GenoMAS a atteint un taux de réponses correctes de 89,13 % pour le prétraitement et un score F1 de 60,48 % pour la détection de gènes associés à des traits, dépassant les méthodes précédentes de 10,61 % et 16,85 % respectivement.
Pourquoi c'est important
Si les progrès annoncés se confirment, les biologistes pourraient réduire le nombre d’étapes manuelles nécessaires pour découvrir des liens entre gènes et phénotypes.
