がん研究の分野において、遺伝子制御ネットワークの解析は極めて重要です。RegNetAgentsは、この課題に対応するために開発された新しいAIフレームワークで、複数の異なるゲノム規制ネットワークにまたがって、がんの制御に関わる候補遺伝子を効率的に同定することを可能にします。このシステムはTCGAデータベースから得られたがん関連ネットワークと、GREmLNプロジェクトの大規模単一細胞レベルの規制ネットワークを統合し、腫瘍バルク組織と単一細胞由来のARACNe解析ネットワークの統一的な分析を実現しています。 RegNetAgentsの核となる機能は、焦点遺伝子に対して複数ネットワークでの分類、OncoKB注釈を利用したがん遺伝子フィルタリング、腫瘍由来制御関係の作用機序（MoA）の割り当てを同時に実行する能力です。候補遺伝子はネットワーク間の証拠の一貫性に基づいてランキングされ、複数ネットワーク両方に登場する場合、TCGAのみ、またはGREmLNのみに登場する場合など、複数のカテゴリーに分類されます。このシステムはLangGraph DAGワークフローとして実装され、統一されたPython APIおよびModel Context Protocol（MCP）クライアントを通じてアクセス可能です。 乳がん11種類と大腸がん12種類の焦点遺伝子に対する評価では、RegNetAgentsが同定した候補制御遺伝子がOncoKB注釈のがん遺伝子に対して統計的に有意なエンリッチメントを示しています。TCGA由来の候補ではStouffer Z値が乳がんで6.69、大腸がんで6.95を記録し、GREmLN由来の候補でも乳がんで5.51、大腸がんで7.06を示すなど、いずれもp<0.0001の高い有意性が確認されています。さらにハウスキーピング遺伝子や非ドライバー対照遺伝子セットではエンリッチメントが観察されず、検出される信号の特異性が確保されていることが示されています。