- 7 次围观
药物发现依赖于靶点验证、结构分析、分子设计、成药性评估和合成可行性等环节之间的协同决策，但当前的计算方法往往以彼此割裂的工具形式运行。在此，我们提出 TRACEDD（Tool-grounded Reasoning and Agentic Coordination for Explainable Drug Design，基于工具的可解释药物设计推理与智能体协同）框架，主要贡献包括三点：（1）建立了“工具优先”的多智能体架构，由大语言模型负责编排经过验证的计算工具，而非取代这些工具，从而确保科学严谨性；（2）构建了一个模拟专家药物发现团队的多智能体系统，通过“推理—行动—观察”循环，实现透明且可追溯的决策过程；（3）展示了一个从靶点验证到合成规划的端到端工作流程，能够自适应地处理真实世界中的数据变化，例如缺乏实验结构的情况。该框架将药物发现过程分解为多个专业智能体，分别负责靶点验证、成药性评估、分子生成、先导化合物优化、ADMET 评估、文献证据整合和逆合成，这些智能体均通过“推理—行动—观察”工作流程运行。以 JAK2 为代表性案例，我们展示了该系统如何检索实验获得的蛋白质结构，并在缺乏结构时调用 AlphaFold，识别具有成药潜力的口袋并开展从头分子生成。已知的 JAK2 抑制剂用于定义设计假设并指导基于强化学习的分子生成，其中对接评分、预测的 pIC50 以及其他理化性质和 ADMET 性质被用作奖励信号和优先级排序依据。该框架展示了一种以工具为核心、以推理为驱动的方法，其中每项主要决策均与明确的工具调用和中间证据相关联。通过将智能体协同与领域专用计算工具相结合，该系统支持透明、可适应且可由人类验证的分子设计工作流程，为构建更加可靠的人工智能辅助药物发现体系奠定了基础。
roy.arijit3{at}tcs.com
摘要
信息/历史
指标
预览 PDF
摘要
药物发现依赖于靶点验证、结构分析、分子设计、成药性评估和合成可行性评估等环节之间的协同决策，但当前的计算方法往往以彼此割裂的工具形式运行。在此，我们提出 TRACEDD（面向可解释药物设计的工具支撑推理与智能体协同，Tool-grounded Reasoning and Agentic Coordination for Explainable Drug Design）框架，该框架具有三项主要贡献：（1）建立“工具优先”的多智能体架构，由大型语言模型（LLM）协调经过验证的计算工具，而非取代这些工具，从而确保科学严谨性。（2）实现一种模拟专家药物发现团队的多智能体系统，通过推理—行动—观察（Reason-Act-Observe）循环，实现透明且可追溯的决策过程。（3）展示一套从靶点验证到合成规划的端到端工作流程，能够自适应地处理现实世界中的数据差异，例如缺乏实验结构的情况。该框架将药物发现过程分解为多个专业化智能体，分别负责靶点验证、成药性评估、分子生成、先导化合物优化、ADMET 评估、文献证据整合和逆合成规划，所有智能体均通过推理—行动—观察工作流程运行。以 JAK2 作为代表性案例，我们展示了该系统如何检索实验获得的蛋白质结构，并在缺乏实验结构时调用 AlphaFold，识别具有成药潜力的结合口袋，以及执行从头分子生成。系统利用已知 JAK2 抑制剂来确定设计假设，并指导基于强化学习的分子生成；对接评分/预测 pIC50 以及其他理化性质和 ADMET 性质则作为奖励信号和优先级排序信号。该框架展示了一种工具优先、推理驱动的方法，其中每一项重大决策都与明确的工具调用和中间证据相关联。通过将智能体协同与领域专用计算工具相结合，该系统支持透明、可适应且可由人类验证的分子设计工作流程，为更加可靠的人工智能辅助药物发现奠定了基础。
利益冲突声明
所有作者均受雇于塔塔咨询服务有限公司。
版权
本预印本的。
本文依据 CC-BY-NC-ND 4.0 国际许可协议公开提供。
返回顶部
上一页
下一页
发布于 2026 年 9 月 18 日。
下载 PDF
电子邮件
感谢您有兴趣传播 bioRxiv 上的这篇文章。
您的电子邮件地址
*
您的姓名
*
发送至
*
请在不同的行中输入多个地址，或使用逗号分隔地址。
您即将向以下对象发送电子邮件：
TRACEDD：面向可解释药物设计的工具支撑推理与智能体协同
（您的姓名）已从 bioRxiv 向您转发了一个页面
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的此页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动垃圾邮件提交。
分享
TRACEDD：面向可解释药物设计的工具支撑推理与智能体协同
Sarveswara Rao Vangala、
Vishnu Vardhan Kasturi、
Navneet Bung、
Arijit Roy
bioRxiv
2026.09.12.751167；
doi：
https://doi.org/10.64898/2026.09.12.751167
分享本文：
复制
引文工具
TRACEDD：面向可解释药物设计的工具支撑推理与智能体协同
Sarveswara Rao Vangala、
Vishnu Vardhan Kasturi、
Navneet Bung、
Arijit Roy
bioRxiv
2026.09.12.751167；
doi：
https://doi.org/10.64898/2026.09.12.751167
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.12.751167v1?rss=1
🏷️ 人工智能辅助药物设计 多智能体系统 可解释人工智能 分子生成 ADMET评估 逆合成规划