ARTFEED — Contemporary Art Intelligence

Piattaforme AI agentiche prevedono le interazioni tra proteine umane e virali

ai-technology · 2026-04-29

Un recente preprint su arXiv (2604.23924) presenta due innovative piattaforme basate sull'IA. La prima piattaforma addestra autonomamente modelli di machine learning per prevedere le interazioni proteina-proteina (PPI) tra umani e virus, mentre la seconda genera regole esplicite e leggibili dall'uomo per queste interazioni. La piattaforma iniziale utilizza cinque agenti AI per compiti come raccolta dati, verifica, embedding delle caratteristiche, progettazione del modello e addestramento-convalida su dataset cross-fold a tre vie con proteine disgiunte. Raggiunge un'accuratezza dell'87,3% per le PPI uomo-uomo e dell'86,5% per le PPI uomo-virus. La seconda piattaforma migliora l'interpretabilità sostituendo le previsioni ML con regole basate su embedding proteici, descrittori di autocovarianza fisico-chimica, annotazioni di compartimento e informazioni su pathway e domini, mostrando una scoperta autonoma guidata dall'IA nella biologia molecolare.

Fatti principali

  • arXiv:2604.23924v1
  • Due piattaforme AI agentiche costruite: una per l'addestramento ML autonomo, una per l'induzione di regole
  • Cinque agenti AI gestiscono raccolta dati, verifica, embedding delle caratteristiche, progettazione del modello, addestramento/convalida
  • Utilizzo di dataset cross-fold a tre vie con proteine disgiunte
  • Accuratezza ensemble per PPI uomo-uomo: 87,3%
  • Accuratezza ensemble per PPI uomo-virus: 86,5%
  • La seconda piattaforma utilizza embedding proteici, autocovarianza fisico-chimica, annotazioni di compartimento, dati su pathway e domini
  • Focus sull'interpretabilità tramite regole leggibili dall'uomo

Entità

Istituzioni

  • arXiv

Fonti