Agent Rosetta：蛋白质设计的专用代理工具
人工智能
2026-03-18 v1
摘要
大型语言模型（LLM）能够模拟推理并使用工具，为执行复杂科学任务的自主代理创造了机会。蛋白质设计提供了自然的测试场：尽管机器学习方法取得了强大的成果，但这些成果大多局限于标准氨基酸和狭窄目标，留下了通用工具以适应广泛设计流程的空缺。我们引入 Agent Rosetta，即一个 LLM 代理，配备结构化环境，用于操作 Rosetta——这是领先的基于物理的杂多聚体设计软件，能够建模非标准构件和几何形状。Agent Rosetta 迭代细化设计以实现用户定义的目标，将 LLM 推理与 Rosetta 的通用性相结合。我们在标准氨基酸设计上评估了 Agent Rosetta，匹配了专门模型和专家基准；在非标准残基上实现了 comparable performance——而机器学习方法在此上失败。关键在于，仅靠提示工程往往无法生成 Rosetta 操作，表明环境设计对于将 LLM 代理与专用软件集成至关重要。我们的结果表明，经过良好设计的环境使 LLM 代理在保持匹配专用工具和人类专家能力的同时，使科学软件变得可及。
引用
@article{arxiv.2603.15952,
title = {Protein Design with Agent Rosetta: A Case Study for Specialized Scientific Agents},
author = {Jacopo Teneggi and S. M. Bargeen A. Turzo and Tanya Marwah and Alberto Bietti and P. Douglas Renfrew and Vikram Khipple Mulligan and Siavash Golkar},
journal= {arXiv preprint arXiv:2603.15952},
year = {2026}
}