DrugMCTS：结合多智能体、RAG 与蒙特卡洦树搜索的药物再定位框架
人工智能
2025-08-01 v3 计算工程、金融与科学
摘要
近期大语言模型的进展在药物再定位等科学领域展现出巨大的潜力。然而，其有效性在推理超出预训练期间所获取的知识后仍受到限制。传统方法，如微调或检索增强生成，面临计算开销高或未充分利用结构化科学数据的局限。为克服这些挑战，我们提出 DrugMCTS，一种新型框架，协同集成 RAG、多智能体合作和蒙特卡洦树搜索用于药物再定位。该框架雇佣五个专门的智能体来检索和分析分子和蛋白质信息，从而实现结构化和迭代推理。对 DrugBank 和 KIBA 数据集上的广泛实验表明，DrugMCTS 在召回率和鲁棒性方面显著高于通用 LLM 和深度学习基线。我们的结果凸显了结构化推理、智能体协作和反馈驱动的搜索机制在推进 LLM 在药物再定位应用方面的重要性。
引用
@article{arxiv.2507.07426,
title = {DrugMCTS: a drug repurposing framework combining multi-agent, RAG and Monte Carlo Tree Search},
author = {Zerui Yang and Yuwei Wan and Siyu Yan and Yudai Matsuda and Tong Xie and Bram Hoex and Linqi Song},
journal= {arXiv preprint arXiv:2507.07426},
year = {2025}
}