From Retrieval to Reasoning: Agentic Mechanism Prediction from Cell Painting Profiles¶

会议: NeurIPS 2026
arXiv: 2609.36406
代码: https://github.com/The-Real-JerryChen/PhenoAIR_NeurIPS26
领域: 计算生物
关键词: Cell Painting, 药物作用机制预测, 证据推理智能体, 可靠性校准, 多智能体协同

一句话总结¶

PhenoAIR 将基于高内涵 Cell Painting 细胞形态学谱的药物作用机制（MOA）预测从脆弱的表征匹配重塑为校准证据推理，借助离线可靠性记忆、分工双智能体和规则控制器实现对已知及开集新机制的高精度推断。

研究背景与动机¶

高内涵细胞成像技术 Cell Painting 通过多通道荧光显微成像量化药物或基因扰动下的细胞形态学改变，已成为表型药物发现、毒性评估和功能注释的核心实验手段。在作用机制（Mechanism of Action, MOA）预测任务中，传统计算范式普遍将表型推断视为表征空间的几何匹配问题，即通过预训练模型提取形态嵌入，利用近邻检索（$k$NN）或距离加权投票直接将参考化合物的 MOA 标签转移至查询化合物。

然而，表型形态相似性只是共享生物学机制的间接表征，绝非机制一致性的充要测量。在复杂的筛选实验中，批次效应、跨实验室来源差异、非特异性细胞毒性以及不同生物通路的表型收敛（phenotypic convergence），导致嵌入空间中的近邻经常包含严重噪声甚至误导性假阳性。更关键的是，静态检索难以应对检索深度的实例异质性、多源跨批次的不一致性，以及多靶点药理学（polypharmacology）引发的机制混淆；直接依据相似度“投票”无法判断证据是否可靠，更无法识别作用于未知全新机制的化合物。

针对这些瓶颈，本文主张将 Cell Painting MOA 预测重构为校准的证据推理问题（calibrated evidence reasoning）：形态学近邻不再被直接当作最终标签，而是作为带有不确定性的假说观测证据，必须经过可靠性校准、分工评估与多轮交叉检验后才能采纳。核心 idea：构建以候选证据记忆为核心的多智能体系统 PhenoAIR，解耦离线全局可靠性校准与在线推理，由表型智能体与机制智能体在规则控制器指导下对候选假说开展动态验证与可审计仲裁。

方法详解¶

整体框架¶

PhenoAIR 包含三个核心阶段：离线外部化可靠性校准（Externalized Reliability Calibration）、基于候选记忆的证据推理（Candidate-Centric Evidence Reasoning）以及控制器引导的迭代精炼与仲裁（Controller-Guided Refinement and Arbitration）。系统预先从多源参考库中挖掘全局可靠性统计和机制家族本体，推理时维护动态更新的候选证据记忆 $\mathcal{H}_q$，由表型智能体与机制智能体交替验证并受规则控制器调度，最终由仲裁器在确定性门控约束下输出预测类别或判定为全新机制（novel）。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["输入查询化合物<br/>Cell Painting表型谱 + 分子结构"] --> B["离线可靠性校准与检索<br/>多粒度先验记忆 + 衰减加权"]
    B --> C["候选中心证据记忆<br/>跨轮跟踪支持/矛盾/资格状态"]
    C --> D["双角色智能体分工评估<br/>表型智能体与机制智能体"]
    D --> E["控制器引导的迭代精炼<br/>动态扩展/验证/终止决策"]
    E --> F["门控约束仲裁<br/>规范MOA标签或Novel判定"]

关键设计¶

1. 离线可靠性校准与检索：消除表型近邻的系统性噪声与伪相关 传统表征检索直接依赖原始相似度，极易受到高频“中心点”（hubness）、通用细胞毒性表型以及批次漂移的干扰。为了使检索证据具备可信度，PhenoAIR 引入离线 LLM 代码生成与执行管线，预先构建四维度参考记忆 $\mathcal{B}=\{\mathcal{B}_{\text{src}}, \mathcal{B}_{\text{moa}}, \mathcal{B}_{\text{ref}}, \mathcal{B}_{\text{pair}}\}$，分别评估实验来源的判别力、每个 MOA 类别的表型紧致度与跨源稳定性、单个参考化合物的锚点可靠性（如通透性与非特异性形态风险），以及易混淆 MOA 类别对。

在查询检索阶段，系统利用参考锚点因子 $\alpha_j^{\text{ref}}$ 和 MOA 类别因子 $\alpha_j^{\text{moa}}$ 对原始相似度 $\rho_j$ 进行保守衰减，同时设计去重惩罚、排名保留底线 $\ell(k_j)$ 与局部一致性保护底线 $u_j(q)$，确保强局部信号不被全局先验误伤： $$\bar{\alpha}_j = \max\left\{\alpha_j^{\text{ref}}\alpha_j^{\text{moa}}, \ell(k_j), u_j(q), \alpha_{\min}\right\}, \quad \tilde{\rho}_j = \rho_j \bar{\alpha}_j$$ 重排后生成带解释原因标签的校准近邻集 $\tilde{\mathcal{N}}(q)$ 和上下文 $r_q$，为后续推理提供可审计的置信依据。

2. 候选中心证据记忆与双角色智能体分工：解耦表型与机制的结构化交互 通用多智能体系统常采用自由对话或辩论，极易产生幻觉共识或遗忘中间论据。PhenoAIR 设计了结构化的共享候选记忆 $\mathcal{H}_q = \{(c, s_c)\}$，追踪候选机制的身份状态（active、needs_phenotype_support、family_only、suppressed）、表型支持/矛盾等级、机制侧结论及可靠性元数据。系统严禁直接自由对话，而是采用记忆中介通信： - 表型智能体（Phenotype Agent）：仅接触 Cell Painting 表型证据与校准上下文，利用局部视野、MOA 分布统计和锚点质量检验等工具，评估各候选机制在细胞形态学上的支持度与反驳证据，绝不掺杂分子结构先验。 - 机制智能体（Mechanism Agent）：独立评估分子结构、In Silico 靶点预测、药效团特征及家族本体匹配度。机制智能体可提出潜在新假说，但必须标记为 needs_phenotype_support，无法单方面决定最终分类。两者的结构化输出通过确定性规则更新记忆，只有同时存在强表型反驳和强机制拒绝时才会硬抑制候选，避免单一视角误杀真实假说。

3. 控制器引导的迭代精炼与门控仲裁：自适应证据搜集与开集新机制判别 为了避免固定步数或无序规划，PhenoAIR 构建了规则驱动的控制器 $\pi(\mathcal{H}_q^{(t)}, r_q, \tau_q^{(t)})$，在推理迭代中根据候选状态自适应选择动作：扩展近邻深度（EXPAND_K）、请求宏观分布摘要、验证重点候选机制或机制家族群（CHECK_GROUP）、审查可疑锚点，或者在证据充分收敛时下发 STOP 指令。

迭代终止后，仲裁器（Arbiter）在全局推理轨迹和记忆状态上提炼结论，并由确定性门控（Gate）实施最终资格过滤： $$\hat{y}_q = \text{Gate}\left(y_q^{\text{arb}}, \mathcal{H}_q^{(T)}\right)$$ 门控严格剔除未获表型有效支持的候选，若所有已知规范候选均被反驳或缺乏充分证据，系统坚决输出 novel，有效规避将未知新机制强制归类为最近邻的开集误判。在 MoA-Novel 开集任务中，离线自进化机制通过聚类开发集失败轨迹进一步精炼控制器规则和仲裁启发式。

一个完整示例¶

以化合物 AZD8931 为例：该分子属于受体酪氨酸激酶（RTK）抑制剂家族，但在表型空间中极易与 FGFR、KIT、VEGFR 等同家族激酶产生表型混淆。初始检索时，表型近邻被多种激酶混合信号主导，机制智能体根据化学结构确认其属于 RTK 家族并提出了候选组；控制器随后触发 CHECK_GROUP_IN_NEIGHBORHOOD 动作，驱动表型智能体重新在校准近邻中精确审查各亚型支持度；表型智能体发现仅 EGFR inhibitor 在局部具有紧密、高信噪比的聚集支持，最终仲裁器成功剥离干扰，精确锁定 EGFR inhibitor 标签。

实验关键数据¶

主实验¶

论文基于 JUMP Cell Painting Consortium（cpg0016-jump）和 Drug Repurposing Hub 搭建了三大基准：MoA-Verified（多源高一致性闭集）、MoA-Extended（大样本高噪声闭集）与 MoA-Novel（50%未见机制开集）。评测采用 Top-1 准确率（Acc %）、多标签命中率（Any-match %）以及 Novel 类别检测 F1。

数据集	指标	PhenoAIR (GPT-5.1)	最佳表征基线 (ECFP / CellCLIP)	Workflow 基线 (GPT-5.1)	相对提升
MoA-Verified	Acc (%)	62.6 ± 0.7	23.0 ± 0.0 (ECFP) / 14.0 (CellCLIP)	50.0 ± 1.2	+12.6% vs Workflow, +39.6% vs 表征
MoA-Verified	Any-match (%)	74.6 ± 0.6	41.0 ± 0.0 (ECFP) / 26.5 (CellCLIP)	56.0 ± 1.0	+18.6% vs Workflow
MoA-Extended	Acc (%)	45.6 ± 0.2	30.0 ± 0.0 (ECFP) / 10.2 (CellCLIP)	31.7 ± 0.5	+13.9% vs Workflow, +15.6% vs 表征
MoA-Extended	Any-match (%)	56.2 ± 0.3	42.3 ± 0.0 (ECFP) / 16.0 (CellCLIP)	35.4 ± 0.3	+20.8% vs Workflow
MoA-Novel	Acc (%)	79.4 ± 2.2	N/A (传统近邻无法输出novel)	58.0 ± 0.3	+21.4% vs Workflow
MoA-Novel	F1 (Novel)	74.7 ± 2.9	N/A	61.3 ± 0.8	+13.4% vs Workflow

注：在 Claude 4 Sonnet 主干下，PhenoAIR 同样取得一致优异性能（MoA-Verified Acc 61.5%，MoA-Extended Acc 45.8%，MoA-Novel Acc 73.6%）。

消融实验¶

表 3 与表 6 逐步验证了 PhenoAIR 各核心模块对准确率的累积贡献（基于 GPT-5.1）：

配置	MoA-Verified (Acc %)	MoA-Extended (Acc %)	模块功能与说明
Base LLM	16.4	18.7	仅基于化合物信息直接提示推理
PhenoAIR-Base	55.6	43.9	引入 Cell Painting 近邻与多智能体分工（较基线大幅跃升）
+ Memory (Memo.)	60.1	44.5	增加候选中心证据记忆追踪（提升 +4.5% / +0.6%）
+ Memo. & Calibration (Cal.)	62.6	45.6	增加离线外部化可靠性校准（完全体，再提 +2.5% / +1.1%）
证据置换控制: 仅打乱表型	53.6 (Extended子集)	-	准确率骤降 26.4%，证明系统高度依赖真实的细胞形态信号

关键发现¶

表型检索不可或缺但极度脆弱：单纯使用固定流程（Workflow）将 Cell Painting 近邻拼入提示词时，在噪声较大的 MoA-Extended 上甚至劣于 Structure-only 基线（31.7% vs 39.8%），证明未校准的表型近邻会注入有害伪证据；而 PhenoAIR 通过证据记忆和校准实现了稳定增益（45.6%）。
开集发现的关键在于终止与门控：在 MoA-Novel 中，单智能体极易被表型近邻误导，难以拒绝已知类别；PhenoAIR 凭借可靠性校准与仲裁门控，Novel 查准率达到惊人的 99.0%，F1 达 74.7%。
算力自适应动态分配：对于表型信号清晰的简单样本，控制器迅速收敛并在约 90k tokens 内终止；对困难样本则自适应深入精炼（平均 170k tokens），展现了规则调度的灵活性。

亮点与洞察¶

范式重塑：首次将高内涵显微图像表型分析从单一表征近邻匹配跃迁为“假设-检验”证据链推理，为生物计算领域提供了融合图像与药理知识的全新范式。
解耦式证据记忆：禁止多智能体黑盒对齐，通过透明的数据契约（表型/机制证据槽）记录支持与反驳历史，彻底解决了科学推断中的幻觉共识与误删假说问题。
开箱即用的跨表征泛化：无论是经典 CellProfiler 人工特征还是 CellCLIP 自监督表征，PhenoAIR 均展现出稳定的提升幅度，表明推理优势主要源于可靠性逻辑而非绑定特定图像编码器。

局限与展望¶

生物学收敛的物理瓶颈：实验错误分析表明，大部分失效源于通路级表型收敛（如 PI3K 与 mTOR 抑制导致几乎不可区分的形态改变），仅凭光镜表型难以彻底解耦同类亚型。
依赖预构建参考库质量：离线校准对参考集中化合物的多源重测和标注精度有一定依赖，在低覆盖率、单样本稀疏机制领域构建可靠性记忆成本较高。
未来方向：引入更多正交组学模态（如转录组 L1000）丰富证据记忆，并将规则控制器升级为可端到端自适应优化的神经符号架构。

评分¶

新颖性: ⭐⭐⭐⭐⭐ 成功将 Agentic 推理体系落地于高内涵显微表型分析，范式构想极具启发性。
实验充分度: ⭐⭐⭐⭐⭐ 构建三大梯度基准，包含详尽的消融、打乱置换、跨表征对比及案例复盘。
写作质量: ⭐⭐⭐⭐⭐ 逻辑严密，形式化定义清晰，系统架构与动机阐述非常扎实。
价值: ⭐⭐⭐⭐⭐ 对表型药物筛选、老药新用及靶点发现有直接应用前景，引领表型智能体新方向。