arXiv cs.AI· Ye Liu, Reza Averly, Avery Meyer, Frazier N. Baker, Ruoxi Gao, Daniel Adu-Ampratwum, Xia Ning·· 3 天前AI 评分40
MADDIE：多智能体药物发现引擎
MADDIE: Multi-Agent Drug Discovery Engine
AI 导读
研究团队提出多智能体药物发现引擎 MADDIE，由中央 Orchestrator 协调 HitIdentifier、LeadOptimizer、Synthesizer、Evaluator 四个专业智能体，组成灵活工作流以端到端适配药物发现流程。
正文 · AI 翻译
摘要：药物发现仍然是一个资源密集且耗时的过程，需要投入数十亿美元和长达十年的开发才能将一款药物推向市场。尽管许多计算工具加速了这一过程，但操作它们仍然需要药物化学家投入大量时间、精力和专业知识。基于大型语言模型（LLM）构建的自主系统已成为一种有前景的解决方案，然而当前的设计限制了它们的性能。现有的单智能体系统难以扩展到长周期、多步骤且贴近现实的任务，而多智能体系统通常执行预定义的工作流，无法捕捉真实药物发现活动的迭代式、非线性本质。在此，我们提出 MADDIE，一个多智能体药物发现引擎。它由一个中央智能体 Orchestrator 和四个专门的 worker 智能体组成：HitIdentifier、LeadOptimizer、Synthesizer 和 Evaluator，每个都代表药物发现活动中的一个关键步骤。在 Orchestrator 的编排和协调下，这些 worker 智能体被组合成灵活的工作流，使 MADDIE 能够调整其策略并端到端地推进药物发现流程。在 50 个蛋白质靶点上，MADDIE 生成了满足关键性质要求的分子及其合成路线，大幅优于现有的智能体系统、生成模型和通用 LLM。我们的分析揭示了这些智能体如何协作，以及 MADDIE 能够针对不同靶点采用不同策略来实现活动目标，同时在时间和 token 消耗上仍然保持高效。这些共同表明，MADDIE 是一个低成本、有效且高效的自主引擎，可加速药物发现。代码和数据集可通过 此 https URL 获取。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.16975 [cs.AI] |
| （或 arXiv:2610.16975v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16975 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Ye Liu [查看电子邮件]
[v1]
2026年10月12日星期一 15:37:37 UTC（2,905 KB）
来源：arXiv cs.AI · arxiv.org