概要
DrugAgent（Liu et al.）は、創薬モデリングのアイデアを機械学習実験に落とし込むために必要なプログラミング作業を支援します。このフレームワークは、解決策の方針を提案・改良するLLM Plannerと、ドメイン固有のドキュメントを用いてそれらの方針を実装するLLM Instructorを組み合わせています。その役割は、データ準備からモデル評価までの計算ワークフロー開発であり、実験的な創薬や、単独で動作する分子予測モデルではありません。アーキテクチャは論文の方法論に記載されています。
タスクは、目的と制約を自然言語で記述したもの、データセットやコードテンプレートなどの初期ファイル、および評価器で構成されます。Plannerは複数の案を提案し、選択したアイデアをInstructorに渡します。Instructorはスクリプトの読み取りと編集、コードの実行、生物学的データの取得や特徴量化に関するガイダンスの参照を行い、性能レポートまたは失敗レポートを返すことができます。これらのレポートは次の計画に反映され、フレームワークは最終的に、設定された反復回数の範囲内で最も良い性能を示した案を提出します。出力には実装済みの機械学習ソリューションと評価レポートが含まれ、論文で報告された実験では提出ファイルも使用されています。
論文では、ADMET向けのPAMPA、高スループットスクリーニング向けのHIV、薬物—標的相互作用予測向けのDAVISを用いた二値分類ワークフローを研究しています。これらは限定的な研究事例であり、幅広い本番運用への準備が整っていることを示すものではありません。著者らは、基本的なドキュメント、限られたベンチマーク範囲、幻覚のリスクを指摘し、導入前に安全性確認と人間による監督が必要だと明示しています。著者らは匿名のコードリポジトリを案内していますが、提供されたリポジトリの抜粋にはファイル、セットアップ手順、ソフトウェアライセンスが示されていません。
主な機能
- アイデア空間の計画：複数の機械学習戦略を生成し、選択したアイデアを探索するとともに、実装の成功または失敗のレポートに基づいて候補を見直します。
- ドメイン知識に基づく実装：LLM Instructorが、創薬分野の専門ドキュメントを参照しながらモデリングのアイデアをコードに変換します。
- 環境との対話：機械学習実験ワークフローの一環として、スクリプトの読み取りと編集、コードの実行をサポートします。
- 生物学的表現に関するガイダンス：ドキュメントでは、フィンガープリントやグラフベースの表現を含む、分子およびタンパク質の符号化を扱います。
- モデル準備に関するガイダンス：分子向けのChemBERTaやタンパク質配列向けのESMなど、ドメイン固有の事前学習済みモデルを取り上げています。
- 評価器に基づくレポート：実装したアイデアについて性能レポートを返し、重要な機能が不足している場合は失敗レポートを返します。
用途
- 評価案：PAMPAの事例研究を再現し、PlannerとInstructorが吸収に関連する分類ワークフローをどのように構築するかを調べる。
- 評価案：HIVアッセイの結果分類を調べ、分子の前処理、表現の選択、生成された提出物の妥当性を評価する。
- 評価案：DAVISの薬物—標的相互作用分類を再現し、分子構造とタンパク質配列の扱いを確認する。
- 評価案：DrugAgent全体とPlannerまたはInstructorを除いた構成を比較し、アイデア探索とドメイン知識によるガイダンスの寄与を調べる。
使い方
- 論文と方法論を読み、研究範囲とPlannerとInstructorの役割分担を確認します。
- 著者が案内するコードの場所を調べ、利用可能なファイル、依存関係の説明、ライセンス情報を確認します。提供された抜粋からは、インストール手順や実行可能なパッケージの存在は確認できません。
- 再現研究を行う場合は、PAMPA、HIV、DAVISのいずれかを選び、実験設定を参照します。選択した分類目的に合ったタスク記述、初期ファイル、評価器を準備します。
- 文書に記載された計画・実装ワークフローを再現仕様として使用します。提案されたアイデア、生成コード、実行時の失敗、評価レポートを記録し、エージェントの要約を検証済みの結果として扱わないようにします。
- 提出物の妥当性と予測評価を分けて評価します。限界と倫理に関する議論を確認し、生成された実装を人間が点検するようにし、この評価を実際の創薬上の意思決定から切り離します。