arXiv cs.AI· Haichuan Tan, Bowen Gao, Tao Huang, Jiaxin Tan, Xin Hong, Baoguo Yao, Yifei Wang, Zhichao Deng, Hanji Du, Dapeng Jiang, Yiheng Li, Weiwei Ma, Xin Ma, Yuqi Shi, Zixiang Wang, Kelin Wu, Tianxiang Wu, Wenxuan Xie, Jie Zang, Huiyu Zhang, Mojia Zhang, Yuying Zhang, Ya-Qin Zhang, Wei-Ying Ma, Yanyan Lan·· 11 小时前AI 评分58
PharmAgents2：面向自主端到端药物发现的智能体系统
PharmAgents2: Towards Autonomous End-to-End Drug Discovery
AI 导读
PharmAgents2 是一个面向端到端药物发现的自主系统，结合知识增强决策与可扩展的大规模探索。其 Paper2Skill 从公开来源提取可迁移的科学决策知识，Self-Scaling Discovery 则通过继承研究上下文与决策能力的并行智能体扩展探索。
正文 · AI 翻译
作者：Haichuan Tan、Bowen Gao、Tao Huang、Jiaxin Tan、Xin Hong、Baoguo Yao、Yifei Wang、Zhichao Deng、Hanji Du、Dapeng Jiang、Yiheng Li、Weiwei Ma、Xin Ma、Yuqi Shi、Zixiang Wang、Kelin Wu、Tianxiang Wu、Wenxuan Xie、Jie Zang、Huiyu Zhang、Mojia Zhang、Yuying Zhang、Ya-Qin Zhang、Wei-Ying Ma、Yanyan Lan
摘要：药物发现需要在广阔的研究空间中进行持续的科学决策。我们提出 PharmAgents2，这是一个用于端到端药物发现的自主系统，将知识增强的决策与有组织的大规模探索相结合。Paper2Skill 从公开来源中提取可迁移的科学决策知识，并与专家开发的技能一起支持研究决策。Self-Scaling Discovery 通过并行智能体扩展探索，这些智能体在靶点、科学假设和发现策略之间继承研究背景和决策能力。我们提出 PharmAgents-Bench v0.1，包含九个决策场景中的 121 个问题，以及由专家定义的过程评分标准评估的三项端到端任务。PharmAgents2 在大多数决策类别中优于所评估的基线，并在所有三项端到端任务上取得最高的过程得分。在三项真实世界研究中，自主研究产生了随后由人工执行的实验所支持的发现。对于 LpxH，PharmAgents2 假设了一个此前未报道的变构位点，并针对该位点筛选化合物，鉴定出一种具有实验确认抑制活性和结合活性的新型抑制剂骨架。对于 JAK1，它优先采用共价抑制策略，并提名了具有实验证明活性的化合物。从一种已知生物活性分子出发，Self-Scaling Discovery 在蛋白质组范围内探索候选靶点，并鉴定出一个新的结合靶点，其相互作用随后得到实验确认。PharmAgents2 代表了一家虚拟制药公司的原型，标志着迈向自主端到端药物发现的一步。
| 学科： | 人工智能（cs.AI）；定量方法（q-bio.QM） |
| 引用为： | arXiv:2611.07653 [cs.AI] |
| （或 arXiv:2611.07653v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07653 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Haichuan Tan [查看电子邮件]
[v1]
2026年11月5日星期四 08:39:19 UTC（19,231 KB）
来源：arXiv cs.AI · arxiv.org