Resumen: La reutilización de medicamentos aprobados ofrece una alternativa rentable y eficiente en términos de tiempo al desarrollo de medicamentos tradicionales. Sin embargo, la predicción in silico de candidatos a reutilización es un desafío y requiere la colaboración efectiva de especialistas en diversos campos, incluidos la farmacología, la medicina, la biología y la bioinformática. Los algoritmos y herramientas fragmentados y especializados a menudo abordan sólo aspectos limitados del problema general, y los panoramas de datos heterogéneos y no estructurados requieren la participación de usuarios especializados. Por lo tanto, estos servicios de datos no se integran fácilmente entre los flujos de trabajo. Con ChatDRex, presentamos un sistema multiagente basado en conversaciones que facilita la ejecución de análisis bioinformáticos complejos destinados a la predicción de reutilización de fármacos basada en redes. Se basa en el gráfico de conocimiento de medicina de sistemas integrados NeDRex. ChatDRex proporciona acceso en lenguaje natural a su extenso KG biomédico e integra agentes bioinformáticos para análisis de redes y reutilización de fármacos, complementados con agentes para evaluación de coherencia funcional para validación in silico, así como agentes para extracción de literatura y discusión de los resultados obtenidos en un contexto científico. Su diseño flexible de múltiples agentes asigna tareas específicas a agentes especializados, incluido el enrutamiento de consultas, la recuperación de datos, la ejecución de algoritmos y la visualización de resultados. Un módulo de razonamiento dedicado mantiene al usuario informado y permite la detección de alucinaciones. Al permitir que médicos e investigadores sin experiencia en informática controlen análisis complejos en lenguaje natural, ChatDRex democratiza el acceso a la bioinformática como un recurso importante para la reutilización de medicamentos. Permite a los expertos clínicos generar hipótesis y explorar oportunidades de reutilización de medicamentos, lo que en última instancia acelera el descubrimiento de terapias novedosas y promueve la medicina personalizada y la investigación traslacional.
Publicado originalmente en export.arxiv.org el 26 de noviembre de 2025.
Ver fuente original
