LPT:编排有界智能体循环实现蛋白结合剂自动设计
LPT: Orchestrating bounded agentic loops for automated protein binder design
作者提出 LPT(little protein tiger)框架,通过固定编排的 LLM 阶段和有界智能体循环,从单条自然语言提示完成蛋白结合剂从头设计。每个阶段配有自定义系统提示和工具权限,可查询约 14000 篇论文提炼成的文献库;带库访问的模型在 48 道测试题中答对 41 道,无库访问答对 0 道。
预印本 · biorxiv · 10.64898/2026.10.29.762730
本站摘要基于收录版本 v1(2026-10-31),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
当前的大语言模型(LLM)能够对科学信息进行推理并使用基于代码的工具,但其训练知识广而不专,可能过时,且难以追溯来源。此外,不受约束的智能体工作流和无限的工具使用会消耗大量 token。在此,我们提出 LPT(little protein tiger),这是一个用于固定编排 LLM 阶段的框架,每个阶段运行一个带有自定义系统提示词和工具访问权限的有界智能体循环,从而仅凭单个自然语言提示词即可实现从头开始的蛋白质结合剂设计。LLM 阶段可以查询一个精选文献数据库,其中包含约 14000 篇论文的关键发现摘要,从而能够召回专业信息。一个能够访问该数据库的 LLM 在 48 道取自数据库关键发现的测试题中答对了 41 道,而无法访问数据库的模型一道也答不出。在三次端到端设计项目中,均由单个提示词启动,LPT 自主确定设计意图,选择靶点、结构和热点残基,并设计候选结合剂以破坏 CALCRL/RAMP1、PD-1/PD-L1 和 PVR-TIGIT 相互作用。与多个折叠模型的交叉验证证实,在 token 消耗极低、计算成本低廉的情况下,其计算机模拟成功率很高。
来源:bioRxiv · biorxiv.org