arXiv cs.AI· Zaifei Yang, Weiyu Chen, Yaqing Wang, James Kwok·· 11 小时前AI 评分24
蛋白质口袋之间能迁移什么？面向智能体结构药物设计的分子优化经验复用研究
What Transfers Across Protein Pockets? Experience Reuse in Molecular Optimization for Agentic Structure-Based Drug Design
AI 导读
一项基于 CrossDocked2020 测试集口袋的 arXiv 分析发现，以编辑位点接触、动作和轮次为 key 的经验库能清晰区分改进与变差的编辑，但这种区分主要来自编辑对分子尺寸的改变、动作和轮次，而非靶点信息。
正文 · AI 翻译
摘要：LLM 智能体通过逐步编辑蛋白质口袋中的配体，并对每次编辑进行对接，来优化配体。近期的智能体首先会额外进行若干次对接，用受控编辑探测该复合物；据报道，由这些探测所诱导出的引导信息，比模型自身已有的化学知识更有帮助。随后，这些探测会随产生它们的实例一同被丢弃，因此显而易见的下一步是将它们保存在一个经验库中，让新的口袋继承此前口袋已经付出的代价。这样的库通过一个 \emph{键} 来读取：即过去编辑被汇集、新编辑被查找时所依据的记录属性。利用在 CrossDocked2020 测试集口袋上进行的这样一次运行的完整日志，我们考察其键是否会在该库从未见过的口袋上重现，并且仍能区分改善性编辑与恶化性编辑。\crchange{使用} 被编辑位点的接触、动作以及轮次作为 \crchange{一个} 键，该库能将它们清晰地区分开。在我们的分析中，这种区分在很大程度上可由编辑对分子大小的改变程度、动作以及轮次来解释，而这些都不描述目标。这并不是因为目标无关紧要：直接指明目标能将其区分得清晰数倍。对于库中不存在的口袋，迁移必须依赖描述而非其身份。在我们评估的精确匹配描述中，更具体的描述很少重现，而更粗略的描述提供的区分度很小；确实能够迁移的信号主要描述编辑及其产生的分子，而非目标。在此处所研究的表示与查找方案下，经验库或许更有助于对智能体自身提出的对接方案进行优先级排序，而非直接规定应当构建什么。
| 主题： | 人工智能（cs.AI）；生物分子（q-bio.BM） |
| 引用为： | arXiv:2610.32620 [cs.AI] |
| （或 arXiv:2610.32620v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32620 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zaifei Yang [查看邮箱]
[v1]
2026年10月23日星期五 13:38:42 UTC（20 KB）
来源：arXiv cs.AI · arxiv.org