MAC-AMP：面向多目标抗菌肽设计的闭环多智能体协作系统
人工智能
2026-02-17 v1
摘要
为解决抗菌药物抗性的全球性健康威胁，抗菌肽（AMP）正被探索其强大且前景广阔的抗击抗性菌株的潜力。尽管人工智能（AI）被用于推进 AMP 的发现与设计，但大多数 AMP 设计模型在平衡活性、毒性和新颖性等关键目标时，都采用僵化或不清晰的评分方法，导致结果难以解释和优化。随着大型语言模型（LLM）能力的快速发展与演进，我们转向基于此类模型的 AI 多智能体协作（multi-agent LLMs），该方法在复杂科学设计场景中展现出快速上升的潜力。基于此，我们引入 MAC-AMP，这是一个面向多目标 AMP 设计的闭环多智能体协作（MAC）系统。该系统实现了一个完全自主的模拟同行评审-自适应强化学习框架，仅需任务描述和示例数据集即可设计出新颖的 AMP。我们的工作新颖之处在于引入了一个用于 AMP 设计的闭环多智能体系统，具备跨领域可迁移性，支持多目标优化，同时保持可解释性而非“黑箱”。实验表明，MAC-AMP 在其他 AMP 生成模型中超越了有效优化 AMP 生成的多个关键分子属性，展现出在抗菌活性、AMP 可信度、毒性合规性和结构可靠性方面的卓越成绩。
引用
@article{arxiv.2602.14926,
title = {MAC-AMP: A Closed-Loop Multi-Agent Collaboration System for Multi-Objective Antimicrobial Peptide Design},
author = {Gen Zhou and Sugitha Janarthanan and Lianghong Chen and Pingzhao Hu},
journal= {arXiv preprint arXiv:2602.14926},
year = {2026}
}
备注
This paper is published in ICLR 2026