跳到正文
bioRxiv· Butcher, J.; Chen, J.; Hunt, A.; Haas, C. M.; Dai, W.; Sharma, S.; Mitra, R.; Salike, S.; Koob, J.; Muraishi, A.; Li, Z.; Pyles, H.; Tyka, M. D.; Bauer, M. S.; Brent, R. I.; Mittal, A.; King, N. P.; Baker, D.·· 来源仅提供日期精选AI 评分70

Chaperone 框架用工具编排实现可靠高效的智能体蛋白设计

Reliable and Efficient Agentic Protein Design with Toolset Harnessing

AI 导读

研究团队提出 Chaperone,一个把 RFdiffusion3 与 ProteinMPNN、AlphaFold3 等 50 多个蛋白设计工具接入智能体流程的轻量可定制框架。

推荐理由

Chaperone 在九项设计任务中与基线智能体对比,报告 token 用量下降 86% 和 GPU 成本下降 64%,可作为长流程智能体设计的效率参照。

预印本 · biorxiv · 10.64898/2026.10.19.759896

本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

计算蛋白质设计工作流程需要协调多种工具、数据格式和分析步骤,而这些环节往往是割裂的。在此,我们介绍了 Chaperone——一个轻量级且可定制的框架,能够将 RFdiffusion3(RFD3)与下游的序列设计、结构预测和评估工具无缝集成,包括 ProteinMPNN、AlphaFold3(AF3)以及 50 多种其他蛋白质设计工具。通过将可编程的智能体友好接口与高性能计算系统上的并行执行相结合,Chaperone 作为一个执行框架(harness),能够实现复杂蛋白质设计工作流程的快速迭代与可扩展探索。在对九项生物分子设计任务的评估中,我们发现使用 Chaperone 相比基线智能体可将总 token 消耗降低 86%,GPU 成本降低 64%,同时提升了整体计算设计通过率。我们通过一项为期两周的端到端小分子结合剂设计项目,展示了 Chaperone 在大规模设计空间探索中的效用,实现了对皮质醇的零样本(zero shot)低纳摩尔级结合剂。我们进一步展示了它在不同设计挑战中的多功能性,包括设计一个对称的 12 亚基自组装纳米颗粒,以及设计一种连接子,用于介导 C2 对称和 D3 对称蛋白质复合物之间的相互作用以形成晶体组装体。这些结果共同表明,围绕标准化工具接口构建的智能体执行框架,能够显著提升生物学中复杂、长周期智能体设计工作流程的效率与成功率。我们在 GitHub 上免费向社区提供 Chaperone:https://github.com/RosettaCommons/chaperone。

来源:bioRxiv · biorxiv.org