CASCADE：用患者数据验证扰动预测的智能体框架

Jose A. Bird 发布预印本论文，提出 CASCADE 智能体框架，用于预测基因扰动的下游转录效应。该框架通过 MCP 暴露预先计算的 ARACNe 调控网络，并改用真实 TCGA 患者肿瘤数据验证预测变化方向，而非仅做基因成员匹配。 这一验证方式的变化意味着，评估对象从调控网络是否包含目标基因，转为预测的转录变化方向是否与患者数据一致。相关结论来自该论文预印本，尚未见同行评审或独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。