标签
PRECEDE是一个先例引导的、用于副作用感知药物重新设计的协同科学家，它将药物修改视为基于药物-副作用关联和生物医学知识图谱的证据驱动推理，并由人类监督的LLM编排器协调。
本文研究了分子优化中离散扩散模型的在线适应策略，确定了采集、奖励塑形、去偏、重放和有效性控制等互补组件，这些组件提高了小分子和蛋白质任务上的反馈效率。
Active-GRPO 引入了一个自适应模仿与自我改进推理框架，能够动态决定何时模仿参考、何时强化模型自身的发现以进行分子优化，在 TOMG-Bench-MolOpt 基准上取得了相较于先前方法具有统计显著性的改进。
纳米技术分子优化（NMO）基准引入了基于物理的分子设计任务，取代了以药物发现为中心的指标，旨在推动纳米技术领域的科学发现。论文显示，先进方法在NMO上的表现不如更简单的方法，并提出了新的基准方法，包括一种新颖的表示方法和领域无关的预训练。
本文介绍了 PROBE，一个利用 LLM 代理通过在编辑前探测口袋-配体复合物响应来迭代优化基于结构的药物设计中的配体的框架，其在 CrossDocked2020 上取得了最先进的结果。
ATOM是一个多智能体框架，将分子优化建模为树状搜索，沿路径布置专门化的智能体，从而能够探索替代分子轨迹并在多目标基准测试中提高帕累托覆盖率。
TRACE是一种轨迹感知的LLM智能体，用于分子先导优化，通过对分子优化工具进行顺序决策，在保持分子相似性的同时改善ADMET性质。