LabWeaver: 실험실 지식을 기반으로 한 신뢰할 수 있는 에이전틱 데이터 분석

대규모 언어 모델(LLM)을 기반으로 한 에이전틱 시스템은 생물학적 데이터 분석을 빠르게 자동화하고 있다. 그러나 이러한 시스템은 질병 분야 및 실험 프로토콜과 같은 실험적 맥락을 종종 간과하기 때문에 신뢰성에 의문이 제기된다. 기존 에이전틱 시스템은 개별 사용자 및 프로젝트를 중심으로 맥락을 구성하는 반면, 연구는 프로젝트 간에 실험적 맥락을 공유하는 실험실을 중심으로 조직된다. 그 결과, 한 프로젝트에서 학습된 실험적 맥락은 관련 프로젝트에서 사용할 수 없게 된다. 우리는 실험실, 사용자, 프로젝트의 3단계로 구성된 실험실 중심 아키텍처를 갖춘 에이전틱 데이터 분석 프레임워크인 LabWeaver를 소개한다. 또한 LabWeaver는 실험적 맥락을 실험실 메모리와 스킬로 정제하여, 인간 검토 단계를 거친 후 사용자 및 프로젝트 간에 공유한다. 실험적 맥락의 기여도를 분리하기 위해, 실험실 메모리와 스킬의 가용성 여부만 다른 두 세션에서 활막육종 단일세포 RNA-seq 데이터셋을 분석했다. 맥락이 없는 세션에서는 리드 정렬(read alignment) 단계에서 융합 리포터(fusion reporter)를 놓치고 종양 세포를 잘못 주석 처리했다. 반면, 맥락이 적용된 세션에서는 리포터 발현을 복원하고...