تعتبر برامج تحليل صور الأنسجة التقليدية أدوات أساسية لتحليل الخلايا، حيث توفر قدرات مثل تقسيم الصورة واستخراج الملامح الشكلية الأساسية وتحليل التنظيم المكاني. ومع ذلك، فإن هذه الأدوات غالبًا ما تتطلب تدخلاً يدويًا ولا تتمتع بالتكامل الجيد مع الأتمتة المدفوعة بالكود، مما يحد من الكفاءة وقابلية التوسع في الدراسات المعقدة.

وللتغلب على هذه القيود، يظهر **CodeCytos**، وهو إطار عمل يعتمد على برمجة Agent تفاعلية تسمح بالتفاعل الديناميكي والبرمجي مع بيانات الصور الجزيئية. يهدف **CodeCytos** إلى تحسين الأتمتة والتخصيص، مما يسهل استكشاف الملامح الخلوية المكانية المخصصة والتكيف مع احتياجات البحث المتنوعة.

تم إثبات فعالية هذا النظام من خلال دراسات حالة على أربع مجموعات بيانات تم تنسيقها بواسطة خبراء من أنواع أنسجة مختلفة: قشرة الجبهة، وسرطان الرئة غير صغير الخلايا، والبنكرياس، واللحمية.

تم تقييم **CodeCytos** في إعداد تقديمات بسيطة، حيث يطرح علماء الأحياء أسئلة بسيطة دون توجيهات محددة للمهمة أو معلومات سياقية عن التحليل الخلوي المكاني. وقد أظهر الأداء القوي عند benchmark لأقوى نماذج اللغات الضخمة (LLMs) ذات القدرات البرمجية، ويُظهر أيضاً أن دمج أمثلة برمجة من السياقات العامة يمكن أن يعزز الأداء بشكل ملحوظ دون الحاجة إلى أمثلة مكلفة من داخل المجال.

بشكل عام، يظهر **CodeCytos** تفوقًا على الطرق التقليدية، مما يسلط الضوء على الإمكانات الكبيرة لوكلاء الأفعال البرمجية في مساعدة استكشاف الإضافات المخصصة في التصوير الجزيئي المتعدد الأبعاد وتسريع اكتشاف العلامات البيولوجية.