# RegVar-Agent：结合AlphaGenome与DeepSeek的调控变异智能筛选系统

> RegVar-Agent是一个面向基因组学研究的AI辅助工具，整合DeepMind的AlphaGenome深度学习模型和DeepSeek v4 Pro推理能力，自动评估非编码区变异的多组学证据并生成实验验证方案。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-02T13:11:56.000Z
- 最近活动: 2026-06-02T13:21:28.869Z
- 热度: 137.8
- 关键词: 基因组学, AlphaGenome, DeepSeek, GWAS, 调控变异, 多组学
- 页面链接: https://www.zingnex.cn/forum/thread/regvar-agent-alphagenomedeepseek
- Canonical: https://www.zingnex.cn/forum/thread/regvar-agent-alphagenomedeepseek
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：raktim-mondol
- 来源平台：github
- 原始标题：regvar-agent
- 原始链接：https://github.com/raktim-mondol/regvar-agent
- 来源发布时间/更新时间：2026-06-02T13:11:56Z

# RegVar-Agent：结合AlphaGenome与DeepSeek的调控变异智能筛选系统\n\n基因组学研究面临一个长期挑战：如何从海量遗传变异中筛选出具有生物学功能的调控变异（regulatory variants）。非编码区的变异尤其难以解读，因为它们不直接改变蛋白质序列，但可能通过影响染色质可及性、增强子-启动子互作等机制调控基因表达。\n\nRegVar-Agent项目提供了一个创新的解决方案——将DeepMind的AlphaGenome深度学习模型与DeepSeek v4 Pro的推理能力相结合，构建了一个自动化的变异筛选和验证规划系统。\n\n## 原作者与来源\n\n- **原作者/维护者**：raktim-mondol\n- **来源平台**：GitHub\n- **原始标题**：regvar-agent\n- **原始链接**：https://github.com/raktim-mondol/regvar-agent\n- **发布时间**：2026年6月2日\n\n## 研究背景：为什么调控变异难以解读\n\n全基因组关联研究（GWAS）已经识别出数千个与疾病相关的遗传位点，但其中绝大多数位于非编码区。解读这些变异的生物学功能需要整合多组学数据：\n\n- **ATAC-seq**：反映染色质可及性，指示调控元件的活性状态\n- **RNA-seq**：显示基因表达水平，帮助建立变异与表型的关联\n- **ChIP-seq组蛋白修饰**：标记增强子（H3K27ac、H3K4me1）和启动子（H3K4me3）\n- **Hi-C/pcHi-C**：揭示染色质三维结构中的增强子-启动子互作\n\n传统方法依赖人工查阅多个数据库，耗时且容易遗漏关键证据。RegVar-Agent通过AI自动化这一过程。\n\n## 系统架构：双模型协同设计\n\nRegVar-Agent采用分层架构，将"预测"与"推理"分离：\n\n### 第一层：AlphaGenome评分引擎\n\nAlphaGenome是DeepMind开发的深度学习模型，专门用于预测非编码变异的调控效应。RegVar-Agent封装了AlphaGenome的API调用，添加了以下增强功能：\n\n- **智能缓存**：避免重复查询相同变异，降低成本\n- **指数退避重试**：处理API限流和临时故障\n- **结果标准化**：将AlphaGenome的原始输出转换为结构化的DataFrame\n\n### 第二层：DeepSeek推理代理\n\n获得多组学评分后，DeepSeek v4 Pro代理接手进行综合分析：\n\n1. **工具调度**：代理可以调用`list_supported_assays`查询可用检测类型，或调用`score_regulatory_variant`获取特定变异的评分\n2. **证据整合**：将ATAC-seq、RNA-seq、ChIP-seq、Hi-C等多维度证据综合评估\n3. **优先级排序**：基于效应大小（quantile_score绝对值）对候选变异排序\n4. **验证规划**：生成具体的湿实验验证方案，包括建议的实验技术和预期结果\n\n### MCP服务器集成\n\n项目还提供了MCP（Model Context Protocol）服务器实现，允许Claude Code、Cursor等IDE直接调用RegVar-Agent的工具，将基因组分析能力集成到开发工作流中。\n\n## 实际应用：前列腺癌风险位点分析\n\n项目以前列腺癌为示例应用场景，重点关注基质成纤维细胞（stromal-fibroblast）调控元件附近的非编码变异。这些区域在肿瘤微环境中扮演重要角色，但传统方法难以系统评估。\n\n示例输入文件`candidate_variants.tsv`包含以下格式的候选变异：\n\n```\nchromosome  position    ref  alt  region_id     note\nchr8        127401060   G    T    8q24_enh_1    8q24.21 enhancer near MYC\nchr8        127298000   A    C    8q24_enh_2    stromal-fibroblast ATAC peak\n```\n\n运行代理后，系统会输出：\n\n- 每个变异在多种检测中的评分\n- 按效应大小排序的优先级列表\n- 调控机制假说（如"可能破坏增强子-启动子环化"）\n- 具体的验证实验建议（如"使用CRISPR干扰验证chr8:127401060对MYC表达的影响"）\n\n## 支持的组学检测类型\n\n| 检测标签 | AlphaGenome输出 | 湿实验读数 |\n|---------|-----------------|-----------|\n| ATAC-seq | ATAC | 染色质可及性 |\n| DNase-seq | DNASE | 染色质可及性（替代方法） |\n| RNA-seq | RNA_SEQ | 基因表达 |\n| ChIP-seq组蛋白 | CHIP_HISTONE | H3K4me3/me1、H3K27ac、H3K27me3 |\n| ChIP-seq转录因子 | CHIP_TF | 转录因子结合 |\n| Hi-C/pcHi-C | CONTACT_MAPS | 增强子-启动子环化 |\n| 剪接位点 | SPLICE_SITES | 剪接位点使用 |\n\n这种全面的检测覆盖确保了变异评估的完整性。\n\n## 技术实现亮点\n\n### 工具边界设计\n\n项目严格区分"工具"（确定性操作）和"代理"（推理决策）。工具层提供`score_variant`、`list_supported_assays`等原子操作，代理层负责编排这些工具完成复杂任务。这种分离提高了系统的可测试性和可维护性。\n\n### 与OpenAI/Anthropic工具模式兼容\n\n工具定义遵循OpenAI和Anthropic的函数调用规范，使得代理可以在不同底层模型间切换，或同时支持多种模型后端。\n\n### 无代理直接调用\n\n对于不需要复杂推理的场景，用户可以直接调用`AlphaGenomeClient`：\n\n```python\nfrom regvar import AlphaGenomeClient\n\nclient = AlphaGenomeClient()\ndf = client.score_variant(\n    \"chr8\", 127401060, \"G\", \"T\",\n    assays=[\"ATAC-seq\", \"RNA-seq\", \"Hi-C / pcHi-C\"],\n)\n```\n\n## 项目意义与展望\n\nRegVar-Agent代表了AI在生物医学研究中的一种应用范式：不是用大模型替代专家判断，而是将大模型作为"证据整合和假设生成"的工具，加速研究人员的决策过程。\n\n对于从事GWAS后续功能验证、疾病机制研究或药物靶点发现的团队，这个工具可以显著缩短从"关联信号"到"功能验证"的周期。项目采用开源方式发布，鼓励社区贡献更多疾病场景和检测类型的支持。