arXiv cs.AI· Zaifei Yang, Weiyu Chen, Yaqing Wang, James Kwok·· 11 小时前AI 评分31
PROBE：面向结构药物设计中 LLM 智能体的探针引导分子优化框架
Probe Before You Edit: Probing-Guided Molecular Optimization for LLM Agents in Structure-Based Drug Design
AI 导读
PROBE 是一个围绕“编辑—响应探测”构建的分子优化框架，让 LLM 智能体在编辑分子前先探测口袋—配体复合物对局部修改的响应。它先将配体拆解为可编辑位点并构建口袋专属 site map，再通过受控探针编辑把响应蒸馏成 EditManual，指导多智能体迭代优化。
正文 · AI 翻译
摘要：基于结构的药物设计越来越多地采用 LLM 智能体，针对靶点口袋迭代优化配体，然而一个可行的配体必须满足两个常常相互冲突的目标——结合亲和力与成药性——而单次优化步骤很少能同时改善二者。为量化这一难度，我们引入两个诊断指标：第一个衡量单次编辑同时改善两个目标的频率，第二个衡量一个目标上的增益伴随另一个目标上的损失的频率。将这些诊断指标应用于当前的 LLM 智能体流程，揭示出一致的失效模式：智能体在不知道口袋-配体复合物如何响应局部修饰的情况下进行分子编辑，因而很少实现联合改善。受药物化学家的启发——他们在选择优化方向之前，用受控的类似物编辑来探测口袋-配体复合物——我们提出 \textbf{PROBE}，一个围绕编辑-响应探测构建的优化框架。PROBE 首先将配体分解为可编辑位点，并构建口袋特异的 \textbf{位点图}，标记出联合增益可能出现的区域、两个目标可能相互紧张的区域，以及应当改变的不利子结构的区域；然后执行受控探测编辑，其响应被提炼为 \textbf{EditManual}。在位点图和 EditManual 的引导下，PROBE 运行迭代式多智能体优化循环。在 CrossDocked2020 基准上，PROBE 取得了最先进的性能，并大幅缓解了我们的诊断指标所揭示的失效模式。代码见 此 https URL
| 评论： | 已被 NeurIPS 2026 接收。修订稿 |
| 主题： | 人工智能（cs.AI）；生物分子（q-bio.BM） |
| 引用为： | arXiv:2606.00555 [cs.AI] |
| （或 arXiv:2606.00555v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.00555 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zaifei Yang [查看邮箱]
[v1]
2026年5月30日星期六 06:06:51 UTC（972 KB）
[v2]
2026年6月2日星期二 07:09:41 UTC（970 KB）
[v3]
2026年10月23日星期五 13:42:47 UTC（988 KB）
来源：arXiv cs.AI · arxiv.org