Session 03: Strategic Meeting
今日會議議程與文件庫
本次會議聚焦於 Agent 系統的開發與推論流程規劃，特別是全景生物標記擴展到臨床藥物決策的邏輯框架。以下為最新的規格說明。
Status Check
今日決策清單 (Action Items)
- [ ] 決策：選擇 Agent 開發的主題方向（目前強烈建議選用「阿茲海默症 Alzheimer's Disease」作為核心疾病模型）。
Reference Library
技術與學術參考資料 (Agent References)
以下為支撐本次 Agent 開發架構的關鍵參考資料與技術基準：
1. cell2sentence: 單細胞轉錄組語言模型化技術 (van Dijk Lab)
關聯層級：階段 0 全景標記擴展、底層特徵工程
創新的生資特徵處理架構。此技術將單細胞 RNA 測序 (scRNA-seq) 數據轉換為以表現量排序之基因名稱「詞彙」序列，突破性賦予大型語言模型 (LLM) 直接以自然語言處理 (NLP) 模式解析微觀生物轉錄組輪廓之能力。這為我們處理與擴增阿茲海默症單細胞層級圖譜提供了全新的基礎切入點。
2. TxGNN: 針對 Zero-shot 老藥新用的圖譜基礎模型
關聯層級：階段 1 拓樸分析、階段 2 交集藥物
由哈佛團隊於 2024 年發表，展示如何利用大型知識圖譜 (Knowledge Graph) 預測零樣本的藥物-疾病關聯。其 Graph
理論高度吻合我們尋找阿茲海默症共同上游/下游靶點的架構。
3. 網路藥理學與多靶點藥物設計 (Network Pharmacology in AD)
關聯層級：階段 3 ADMET 過濾、階段 5 自我反思
相關文獻確立了阿茲海默症新藥開發必須評估 BBB (血腦屏障) 穿透率與細胞株毒性。當單一藥物無效時，該研究理論提供我們啟動「機制降級」尋找輔助保護劑 (如抗氧化、抗發炎) 的可靠依據。