LipoAgent：用于更安全脂质设计的协调微调 LLM 代理
人工智能
2026-05-26 v1
摘要
脂质纳米颗粒 (LNP) 是最成熟的核酸递送平台之一，但设计既有效又生物安全的脂质仍是主要瓶颈。在实际筛选中，毒性是一种决策级约束：若脂质有毒，其效率预测在临床上便毫无意义。我们提出 LipoAgent，一个面向脂质发现的安全感知多代理 LLM 框架。LipoAgent 结合领域特定微调，采用条件预测目标，以毒性为效率预测的前提条件，并通过轻量级人工监督在代理 disagreement 持续时进行多代理验证，以进一步提升可靠性。在多个基础模型上，LipoAgent 在 mRNA 转染效率预测方面相较于其他报告的模型实现了平均 32% 的相对提升。湿实验验证表明，虚拟筛选排名可可靠地转化为生物学转染结果。代码已公开于 https://github.com/SAI-Lab-NYU/LipoAgent.git。
引用
@article{arxiv.2605.25250,
title = {LipoAgent: Coordinating Fine-Tuned LLM Agents for Safer Lipid Design},
author = {Leshu Li and An Lu and Haiyu Wang and Zhibin Feng and Conghui Duan and Qing Bao and Zongmin Zhao and Sai Qian Zhang},
journal= {arXiv preprint arXiv:2605.25250},
year = {2026}
}