Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与 Minos 科学推理智能体

Latent Space· Brandon Anderson·2026-10-15 04:35· 35 分钟前AI 评分45

计算速度下的 Lab-in-the-Loop — Ian Quigley，Leash Bio

AI 导读

Leash Bio 用 DNA 编码库（DEL）为每个分子加数十条条形码，提取干净可复现的蛋白质-小分子结合数据，并训练出仅用自家数据的 Hermes，在公开基准上追平 Boltz。

正文

几年前我偶然发现了 Leash Bio 的 Substack，然后就迷上了。无论是他们那场表明我们其实并没有解决蛋白质-配体结合问题的 Kaggle 竞赛，还是他们那个疯狂的发现——知道一个分子的作者，或许就足以预测它有多好。他们的 Substack——或者至少 Owl Posting 的1 深度解析——应该是任何想用 AI 做化学的科学家的必读材料。

所以能终于坐下来和 Leash Bio 的 Ian Quigley 聊一聊、挖一挖他的想法，我超级兴奋。Leash 专攻 DNA 编码库（即“DEL”），这是一种收集蛋白质与小分子之间超高通量相互作用数据的方法。2 在我发现 Leash 之前，我听到的关于 DEL 用户的全是恐怖故事。然而，Ian 和他的朋友们不知怎么找到了驯服这头野兽的办法，提取出干净且可复现的数据，简直完美适合大规模建模。不剧透太多，答案归结为认识论上的严谨，以及一种令人难以置信的信念：你必须去做那件事。

还有更棒的！在本集接近尾声时，Ian 预告了他们团队在我们录制时刚刚在玩的东西：一个让智能体进行可验证科学推理的 AI 试验场。他们发现，过去几年收集的数据可以提供数万个“lab-in-the-loop”模拟，正是智能体做科学强化学习所需要的。两个月后，它已经成熟为 Minos，今天他们发布了一篇完整的预印本、博客和开放数据集。我们将在几天内发布一期闪电播客带来更新。敬请期待！

我们和 Ian 聊得非常开心，这大概是我们迄今为止最有趣的一期节目之一。无论你是完全的化学新手，还是 AI x Bio 的专家实践者，我们都认为你能从中有所收获。

祝收听愉快！

我们聊到了：

为什么 DEL 会让每个接触它的人留下心理阴影，以及 Leash 如何给每个分子加上数十条条形码，以捕获那些结合 DNA 而非药物的蛋白质。
Ian 的法则：生物学只有两种扩展方式——拍照和测序 DNA。
那场 Kaggle 竞赛：来自一个地下室的大约 40 亿次测量和大约 2,000 支队伍，在一个未见过的化学库上没有人能超过随机水平。还有为什么 Leash 曾暗自担心共折叠会让它们过时。
ChEMBL 中的聪明汉斯：模型可以从分子结构猜出它的化学家，而“谁做的”对活性的预测能力与结构差不多。
Hermes，仅用 Leash 自家数据训练，在公开基准上与 Boltz 并驾齐驱。还有 Boltz 已经在 PDB 中见过的那个 BRD4 分子。
打破口袋：在发现 Hermes 记住的是蛋白质的“绰号”而非结合位点后，大规模工程化蛋白质突变体。
类似 Lumacaftor 的命中物，意外成为错误折叠蛋白质的检测器。
agent sandbox：用自然语言推理 SAR 的 LLM，在 650 万分子中、以 100 为预算寻找最佳结合物。
Recursion 黑帮，以及为什么其校友公司都如出一辙。
Kosuri 悖论：如果你能收集数据，为什么还需要模型？
在一个炎症项目上，六个月内从 DEL 命中走向良好的小鼠 PKPD，以及在细胞因子靶点上支持小分子药而非抗体的理由。
是什么阻止了资金更充裕的实验室在规模上超越他们，以及 Ian 凭一纸命令对大规模并行纯化的愿望。

互联网上毫无疑问最棒的生命科学博主。

一如既往，这里的秘诀是将你的问题映射到一个组合文库，并使用下一代测序进行读出。我们在播客中深入讨论了这一点！

来源：Latent Space · latent.space