proteomics

本文提出了一个LLM-agent框架，用于大规模分析跨组织蛋白质共丰度网络，以识别保守的簇并生成疾病机制的机制假设。

本文使用来自 TCGA-BRCA 的多组学数据，系统地基准测试了用于 ER 状态预测的经典机器学习模型（Random Forest、XGBoost 等），发现 RNA 表达提供了最强的预测信号，并且在整合的多组学设置中，Random Forest 达到了 90.3% 的平衡准确率。