MADD: 多智能体药物发现交响乐
人工智能
2025-11-13 v1
摘要
Hit identification 是早期药物发现中的核心挑战, 传统上需要大量实验资源。近期人工智能进展, 特别是大语言模型 (LLM), 已启用能够降低成本并提高效率的虚拟筛选方法。然而, 这些工具日益复杂的局限使其难以 accessible 给 wet-lab 研究人员。多智能体系统提供了有前景的解决方案, 通过结合 LLM 的可解释性与专用模型和工具 的精确性。本文我们提出 MADD, 一个从自然语言查询构建和执行定制化 hit identification 流水线的多智能体系统。MADD 采用四个协调的智能体处理 de novo 化合物生成和筛选中的关键子任务。我们在七个药物发现案例中评估了 MADD, 并展示了其优于现有 LLM-based 解决方案的优势性能。通过 MADD, 我们首次将 AI-first 药物设计应用于五个生物学靶点, 并发布了所识别的 hit 分子。最后, 我们引入一个新的基准, 包含超过三百万种化合物的 query-molecule 对和 docking scores, 为药物设计的 agentic 未来贡献。
引用
@article{arxiv.2511.08217,
title = {MADD: Multi-Agent Drug Discovery Orchestra},
author = {Gleb V. Solovev and Alina B. Zhidkovskaya and Anastasia Orlova and Nina Gubina and Anastasia Vepreva and Rodion Golovinskii and Ilya Tonkii and Ivan Dubrovsky and Ivan Gurev and Dmitry Gilemkhanov and Denis Chistiakov and Timur A. Aliev and Ivan Poddiakov and Galina Zubkova and Ekaterina V. Skorb and Vladimir Vinogradov and Alexander Boukhanovsky and Nikolay Nikitin and Andrei Dmitrenko and Anna Kalyuzhnaya and Andrey Savchenko},
journal= {arXiv preprint arXiv:2511.08217},
year = {2025}
}
备注
EMNLP2025 accepted paper, Findings 2025