arXiv cs.AI· Haichuan Tan, Bowen Gao, Tao Huang, Jiaxin Tan, Xin Hong, Baoguo Yao, Yifei Wang, Zhichao Deng, Hanji Du, Dapeng Jiang, Yiheng Li, Weiwei Ma, Xin Ma, Yuqi Shi, Zixiang Wang, Kelin Wu, Tianxiang Wu, Wenxuan Xie, Jie Zang, Huiyu Zhang, Mojia Zhang, Yuying Zhang, Ya-Qin Zhang, Wei-Ying Ma, Yanyan Lan·· 3 小时前精选AI 评分63
PharmAgents2 论文提出端到端自主药物发现系统
PharmAgents2: Towards Autonomous End-to-End Drug Discovery
AI 导读
arXiv 论文 arXiv:2611.07653 提出 PharmAgents2，一个结合知识增强决策与大规模并行探索的端到端自主药物发现系统。
推荐理由
论文给出 PharmAgents2 自主药物发现系统的设计与真实实验验证，读者可了解多智能体科研决策在药物研发中的落地方式。
正文 · AI 翻译
作者：Haichuan Tan、Bowen Gao、Tao Huang、Jiaxin Tan、Xin Hong、Baoguo Yao、Yifei Wang、Zhichao Deng、Hanji Du、Dapeng Jiang、Yiheng Li、Weiwei Ma、Xin Ma、Yuqi Shi、Zixiang Wang、Kelin Wu、Tianxiang Wu、Wenxuan Xie、Jie Zang、Huiyu Zhang、Mojia Zhang、Yuying Zhang、Ya-Qin Zhang、Wei-Ying Ma、Yanyan Lan
摘要：药物发现需要在广阔的研究空间中进行持续的科学决策。我们提出了 PharmAgents2，一个结合知识增强决策与有序大规模探索的端到端自主药物发现系统。Paper2Skill 从公开来源中提取可迁移的科学决策知识，并与专家开发的技能共同支持研究决策。Self-Scaling Discovery 通过并行智能体在不同靶点、科学假设和发现策略之间继承研究上下文与决策能力，从而扩展探索范围。我们提出了 PharmAgents-Bench v0.1，包含涵盖九类决策场景的 121 个问题以及三个端到端任务，并采用专家定义的过程评分标准进行评估。PharmAgents2 在大多数决策类别上超越了被评估的基线方法，并在全部三个端到端任务上获得了最高的过程分数。在三项真实世界研究中，自主探索产生的发现随后得到了人工实验的支持。针对 LpxH，PharmAgents2 提出了一个此前未被报道的别构位点，并针对该位点筛选化合物，鉴定出一种新型抑制剂骨架，其抑制活性与结合能力均经实验证实。针对 JAK1，它优先选择了共价抑制策略，并提名了经实验证明具有活性的化合物。从一个已知生物活性分子出发，Self-Scaling Discovery 在整个蛋白质组中探索候选靶点，并发现了一个新的结合靶点，该相互作用随后经实验确认。PharmAgents2 代表了虚拟制药公司的一个原型，标志着向自主端到端药物发现迈出的一步。
| 学科： | 人工智能 (cs.AI)；定量方法 (q-bio.QM) |
| 引用格式： | arXiv:2611.07653 [cs.AI] |
| （或本版本的 arXiv:2611.07653v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2611.07653 arXiv 通过 DataCite 分配的 DOI（待注册） |
提交历史
来自：Haichuan Tan [查看邮件]
[v1]
2026年11月5日 星期四 08:39:19 UTC (19,231 KB)
来源：arXiv cs.AI · arxiv.org