لقد أحدثت تقنيات التعرف على المسارات الحيوية (Trajectory Inference) في مجالات الأحياء خلوية الأبعاد المتعددة تحولاً كبيرًا في فهم الديناميات الخلوية. ولكن، كانت الطرق التقليدية تعتمد بشكل كبير على التدخل اليدوي والمعرفة المتخصصة بأدوات متنوعة، مما جعل الأمر محفوفاً بالتحديات والعقبات.

لذا، جاء نموذج SpaCellAgent الثوري كمحور لهذا التحول. يعتمد SpaCellAgent على نماذج اللغة الكبيرة (LLM) ليقدم إطار عمل متكامل متعدد الوكلاء قادر على إنجاز تحليل زمني ومكاني شامل بكفاءة وفاعلية.

يتضمن الإطار بنية وكيل متعدد؛ حيث يتم التخطيط لاستراتيجية سير العمل بطريقة ذكية، بينما يقوم محرك تنظيم الأدوات الديناميكي باختيار الخوارزميات المناسبة بشكل تلقائي. كما يمتاز موديل SpaCellAgent بوحدة التطور الذاتي، التي تضمن تحسين الأداء بشكل مستمر عبر التعليقات.

تم اختبار هذا النظام على ستة مجموعات بيانات متباينة تشمل مسارات تطويرية زمنية معقدة، وأنظمة تسلسل متنوعة، وهياكل أنسجة مرتبة مكانيًا. وأظهر SpaCellAgent تحسينًا ملحوظًا يتجاوز 40% في كفاءة التحليل، مع الحفاظ على أداء يتوافق مع معايير الخبراء.

يتيح SpaCellAgent تحويل المواصفات بلغة طبيعية إلى سير عمل تحليل مخصص ومحسن بالكامل، مما يساهم في ديمقراطية نمذجة الزمن والمكان المعقدة. لذا، فإنه يثبت نفسه كمنهجية قابلة للتوسع ومبنية على الوكلاء في مجال البيولوجيا الحسابية. يمكنكم الاطلاع على الكود والموارد المتعلقة به عبر رابط المشروع على GitHub.