分子間相互作用のネットワーク解析は、ハイスループット・オミクスデータの解釈や治療標的の同定に有用である。Cytoscapeはこうした作業の標準的なプラットフォームであるが、利用者は、容易に利用できる一方で文書化が難しいグラフィカルなワークフローと、再現可能である一方でプログラミングの専門知識を要するPythonまたはRによる自動化との間で、トレードオフに直面する。汎用コーディングアシスタントはCytoscape Automationスクリプトを生成できるが、Cytoscapeの外部にとどまっている。本研究では、チャットインターフェースと大規模言語モデル（LLM）エージェントをアプリケーション内に統合したCytoscape Desktopアプリ、CyChatを提示する。CyChatは自然言語を実行可能なCytoscape Automationワークフローへ変換し、生成されたPythonコードを実行するとともに、実行コードを含むチャットセッションを独立したJupyter Notebookとしてエクスポートする。導入時の障壁を軽減するため、CyChatは組み込みのPython実行環境を備え、クラウドベースとローカルホストの双方のLLMをサポートする。CyChatは、それぞれ1つのLLMで構成される7つのLLMプロバイダーを用い、10種類のCytoscapeワークフローで評価された。最も優れた構成では、99％を超える合格率を達成した。既報のネットワーク可視化に基づく定性的評価では、計算生物学者が手動のGUIワークフローで15～20分を要するのに対し、CyChatは1.5～5分でタスクを完了した。CyChatはCytoscape App Storeから入手可能である。
https://doi.org/10.64898/2026.08.28.747833