IANは、米国国立衛生研究所（National Institutes of Health, NIH）傘下のNational Eye Instituteの研究チームが2026年6月17日に公開した遺伝子発現解釈システムである。研究者が遺伝子発現解析結果と差動発現遺伝子（Differentially Expressed Genes, DEG）リストを入力すると、複数の専門AIエージェントがKEGG、Reactome、Gene Ontology、STRINGといった異なる生物学的データベースを横断的に分析する。その後、主要な調節因子、生物学的経路（Pathway）、タンパク質相互作用および経路ネットワークを一つの解釈として統合し、検証可能なHTMLレポートにまとめる。これは、複数の分野の専門研究者が同じ実験結果を各自の知識で検証し、共同レポートを作成するプロセスをソフトウェア内に実装したものと見なせる。 一般的なDEG解析では、データベースごとに別々のツールを実行し、異なる識別子と有意性結果を照合した後、重複または矛盾する経路を研究者が直接解釈しなければならない。この過程では、統計的に有意な遺伝子リストを得たとしても、どの上位調節因子が変化を牽引したのか、あるいは個々の経路が一つの生物学的現象にどのように結びついているのかを説明するのは困難である。IANの差別化ポイントは、単一の汎用モデルに全ての判断を委ねるのではなく、データベースごとの専門エージェントを配置し、各解析結果を統合された生物学的説明へと接続することにある。GPTが複数の文書を読み込み核心的な論旨を結びつけるように、IANは散在するオミクス根拠を経路と相互作用中心の説明へと再構築する。 研究者はRNA-seqパイプラインで出力された遺伝子発現結果とDEGリストをIANに渡した後、KEGGおよびReactomeにおいて活性化が期待される経路を比較し、Gene Ontologyによって関連する生物学的過程や分子機能を補完できる。さらにSTRINGのタンパク質相互作用情報と主要な調節因子解析を組み合わせることで、単なる遺伝子の順位表を検証候補のメカニズムネットワークへと発展させることができる。生成されたHTMLレポートは、後続の実験候補の選定や異なる条件におけるトランスクリプトーム反応の比較、ならびに共同研究チームが解析根拠を検証するための出発点として活用できる。 特に疾患群と対照群、薬剤処理群と非処理群のように、条件間の遺伝子発現差を解釈する研究において活用価値が高い。研究者はIANが接続した調節因子と経路ネットワークに基づいて検証の優先順位を設定し、候補遺伝子に対する追加発現測定や機能実験を設計できる。ただし、入力形式、サポートパラメータ、実行環境、モデル構成、根拠追跡方式およびレポートの再現性範囲は、提供された発見情報だけでは確認できなかった。また、ライセンスは非商用利用とその他の利用条件が区別されているため、企業研究や製品開発に適用する前にリポジトリの公式条件および開発チームによる別途の許可の有無を必ず確認しなければならない。

IANは、米国国立衛生研究所（National Institutes of Health, NIH）傘下のNational Eye Instituteの研究チームが2026年6月17日に公開した遺伝子発現解釈システムです。研究者が遺伝子発現解析結果と差動発現遺伝子（Differentially Expressed Genes, DEG）リストを入力すると、複数の専門AIエージェントがKEGG、Reactome、Gene Ontology、STRINGなど異なる生物学データベースをクロス分析します。その後、主要な調節因子、生物学的パスウェイ（Pathway

転写体経路解析: RNA-seq解析で得られた遺伝子発現結果とDEGリストを入力し、KEGG・Reactome経路解析とGene Ontology注釈を照合する。主要な調節因子と関連経路をHTMLレポートにまとめ、後続の機能検証対象の優先順位を設定する。