PROBE框架用于结构导向分子优化

Zaifei Yang等作者提出PROBE框架：先对配体做可控的类似物编辑探测，把口袋-配体复合物对局部修改的响应蒸馏成EditManual，再结合位点图指导多智能体迭代优化。作者称在CrossDocked2020基准上取得最优性能，并显著缓解其诊断指标暴露的失败模式；该工作已被NeurIPS 2026接收。 同一作者另发分析，检验以编辑位点接触、动作和轮次为键的经验库能否迁移到未见过的CrossDocked2020测试集口袋并区分改善与变差的编辑。结果显示，这种区分主要由编辑对分子大小的改变、动作和轮次解释，均不描述靶点；直接给出靶点身份时区分度高出数倍。作者称，在所评估的精确匹配描述中，更具体的描述很少复现，较粗的描述区分度有限，可迁移信号主要描述编辑及其生成的分子而非靶点。 据此作者提出，在所研究的表示与查找方案下，经验库或许更适合用于对智能体自身提出的候选排序以供对接，而非直接规定该构建什么。

AI 根据报道生成 · 14 天前更新

1. 10月26日 12:00 · 1 篇报道
   PROBE框架用于结构导向分子优化
   arXiv · q-bio.BM (生物大分子)：PROBE：面向结构药物设计的LLM智能体探测引导分子优化框架
2. 10月26日 12:00 · 1 篇报道
   分析蛋白口袋经验库的跨口袋迁移
   arXiv · q-bio.BM (生物大分子)：蛋白质口袋间能迁移什么？分子优化中的经验复用与智能体结构药物设计