Latent-Y：一个经过实验室验证的自主药物设计智能体
生物大分子
2026-04-02 v2
摘要
药物发现依赖于迭代式的专家工作流，难以并行化和扩展。这里我们介绍Latent-Y，一个能够自主执行完整抗体设计流程的AI智能体，从文本提示开始，涵盖文献综述、目标分析、表位识别、候选设计、计算验证和实验室就绪序列的选择。Latent-Y集成到Latent Labs平台中，在与药物发现专家相同的环境中运行，可访问生物信息学工具、生物数据库和科学文献。该智能体可以完全自主地端到端运行，也可以协作运行，由研究人员审查进展、提供反馈并指导后续步骤。候选抗体使用我们的前沿生成模型Latent-X2生成。我们展示了该智能体在三种不同活动类型中的能力：由治疗规格指导的表位发现、跨物种结合剂设计，以及针对人转铁蛋白受体的自主设计（用于血脑屏障穿越）。在九个目标上，Latent-Y在六个目标上产生了实验室确认的纳米抗体结合剂，达到了67%的目标级成功率，结合亲和力达到单纳摩尔范围，无需人工过滤或干预。在用户研究中，使用Latent-Y的专家完成设计活动的速度比独立专家时间估计快56倍，将数周的工作压缩到数小时。由于Latent-X2是一个用于生物分子设计的通用原子级模型，相同的智能体架构自然可扩展到大环肽和小分子结合剂设计活动，拓宽了自主发现的治疗模式范围。Latent-Y可在https://platform.latentlabs.com向选定合作伙伴开放。
引用
@article{arxiv.2603.29727,
title = {Latent-Y: A Lab-Validated Autonomous Agent for De Novo Drug Design},
author = {Latent Labs Team and Sebastian M. Schmon and Daniella Pretorius and Simon Mathis and Rebecca Bartke-Croughan and Aishaini Puvanendran and James Vuckovic and Henry Kenlay and Mária Vlachynská and Alex Bridgland and Ivan Grishin and Sven Over and David Li and Bridget Li and Jonathan Crabbé and Agrin Hilmkil and Alexander W. R. Nelson and David Yuan and Annette Obika and Simon A. A. Kohl},
journal= {arXiv preprint arXiv:2603.29727},
year = {2026}
}
备注
A.N. performed work as an advisor to Latent Labs. A.H. and D.Y. performed work while at Latent Labs