AetherCell-Agent

AI-Powered Drug Repurposing Platform

通过 LangGraph 智能体与深度学习模型结合，实现自动化药物重定位分析与机制解释

开始分析 了解更多 相关文章
360+
内置疾病数据
2000+
候选药物
<90s
分析时间

智能分析工作流

端到端自动化药物发现流程

疾病数据输入

内置数据库（360+ 疾病）或自定义转录组上传（支持海量疾病）

模式 1: 内置数据库（360+）
模式 2: 自定义上传（无限制）
数据输入

MOE 模型推理

三维评分系统：表达相似度 + 知识图谱 + GNN 结构

MOE Score = TE + KG + GNN
TorchScript
MOE推理

LangGraph 智能分组

GPT-4 驱动的药物分类 Agent（3层分组逻辑）

Group 1: 临床证据 Group 2: 机制关联 Group 3: 新颖候选
LangGraph分析

结构化报告输出

自动生成 Markdown 格式的专业分析报告

导出支持
报告生成

双通道可解释性

知识图谱路径 + MOA 通路富集分析

知识图谱路径
GSEA 通路分析
可解释性分析

核心能力

强大的技术栈与创新架构

LangGraph Agent

基于 LangGraph 的可观测 Agent 工作流，支持流式输出与状态追踪

  • TypedDict 状态管理
  • 三节点 DAG 流程
  • SSE 实时进度

混合专家模型

TorchScript 优化的 MOE 推理引擎，融合多维度药物评分

  • 表达相似度（TE）
  • 知识图谱（KG）
  • 图神经网络（GNN）

双通道可解释性

并行分析药物作用机制，提供科学的解释依据

  • k-shortest 路径算法
  • GSEA 通路富集
  • LLM 机制解释

三层分组逻辑

GPT-4 驱动的智能分类，精准识别候选药物价值

  • Group 1: 临床证据
  • Group 2: 机制关联
  • Group 3: 新颖发现

灵活数据输入

支持内置数据库与自定义转录组双模式

  • 360+ 预置疾病
  • CSV 自定义上传
  • 实时数据校验

高性能架构

端到端优化，快速完成复杂分析任务

  • TorchScript 加速
  • 异步 SSE 流
  • <90秒全流程

技术栈

现代化 AI 药物发现基础设施

AI & LLM

LangGraph
OpenAI GPT-4
PyTorch

生物信息学

GSEA
R Bioconductor
NetworkX

Backend

Flask
SSE Streaming
Python 3.9+

Frontend

Vanilla JS
CSS3 Glassmorphism
Markdown Renderer

准备好开始药物发现了吗？

上传您的疾病数据，让 AI 帮助您发现潜在的治疗候选药物

立即开始分析