DrugAgent (Liu et al.)

概览

DrugAgent（Liu 等人）旨在处理将药物发现建模思路转化为机器学习实验所需的编程工作。该框架由 LLM Planner 和 LLM Instructor 协作：前者负责提出并完善解决策略，后者依据领域专用文档实现这些策略。它的用途是开发计算工作流，涵盖从数据准备到模型评估的过程，而非开展实验性药物发现，也不是独立的分子预测模型。其架构见论文的方法部分。

一项任务包含以自然语言描述的目标和约束、数据集或代码模板等起始文件，以及评估器。Planner 会提出备选方案，并将选定的思路交给 Instructor。Instructor 可以读取和编辑脚本、执行代码、查阅有关生物数据获取与特征化的指导，并返回性能报告或失败报告。这些报告会为后续规划提供依据；框架最终会在迭代次数限制内提交表现最佳的方案。输出包括已实现的机器学习方案和评估报告；论文所报告的实验还使用了提交文件。

论文研究了三类二元分类工作流：用于 ADMET 的 PAMPA、用于高通量筛选的 HIV，以及用于药物—靶标相互作用预测的 DAVIS。这些是范围有限的研究案例，并不能证明其已具备广泛的生产就绪能力。作者指出，文档较为基础、基准覆盖范围有限且存在幻觉风险，并明确建议在部署前进行安全检查并由人工监督。作者提供了匿名代码仓库链接，但所提供的仓库摘录未展示任何文件、设置说明或软件许可证。

主要功能

• 思路空间规划：生成备选机器学习策略，探索选定思路，并根据实现成功或失败的报告调整候选方案。
• 领域指导的实现：使用 LLM Instructor 将建模思路转化为代码，同时查阅药物发现领域的专门文档。
• 环境交互：支持在机器学习实验工作流中读取和编辑脚本，以及运行代码。
• 生物学表示指导：相关文档涵盖分子和蛋白质编码，包括指纹和基于图的表示。
• 模型准备指导：提及领域专用的预训练模型，包括用于分子的 ChemBERTa 和用于蛋白质序列的 ESM。
• 由评估器驱动的报告：为已实现的方案返回性能报告；若缺少关键功能，则返回失败报告。

使用场景

• 拟议评估：复现 PAMPA 案例研究，考察 Planner 和 Instructor 如何构建与吸收相关的分类工作流。
• 拟议评估：研究 HIV 检测结果分类，以评估分子预处理、表示选择以及生成的提交内容是否有效。
• 拟议评估：复现 DAVIS 药物—靶标相互作用分类，并检查分子结构和蛋白质序列的处理方式。
• 拟议评估：将完整 DrugAgent 与 Planner 或 Instructor 消融版本进行比较，以研究思路探索和领域指导各自的作用。

使用方式

1. 阅读论文和方法部分，了解研究范围以及 Planner 与 Instructor 的职责划分。
2. 查看作者链接的代码位置，确认可用文件、依赖项说明和许可证信息。所提供的摘录无法证明存在安装流程或可运行的软件包。
3. 如需开展复现研究，选择 PAMPA、HIV 或 DAVIS，并查阅实验设置。准备与所选分类目标相匹配的任务描述、起始文件和评估器。
4. 将文档描述的规划与实现工作流作为复现规范。记录提出的思路、生成的代码、执行失败情况和评估报告，而不要将智能体的总结直接视为已验证的结果。
5. 分别评估提交内容的有效性和预测评估结果。审阅局限性与伦理讨论，要求人工检查生成的实现，并将此评估与实际药物发现决策分开。