通过代理工具规划进行分子先导优化

arXiv:2605.28862v1 公告类型：新 摘要：药物发现是一个由多个阶段组成的漫长且资源密集的过程。在这些阶段中，先导化合物优化在将早期热门化合物转化为可行的候选药物方面发挥着关键作用。此阶段需要通过微妙的结构细化来改善 ADMET 相关特性，同时保留负责与疾病靶点结合亲和力的关键分子亚结构。人工智能的最新进展在加速药物发现的各个方面显示出了希望。然而，大多数现有的先导化合物优化方法依赖于一步分子优化，这无法解释序贯设计决策的长期后果。为了解决这个限制，我们提出了 TRACE，这是一种用于分子先导优化的轨迹感知、LLM 推理代理，它将工具选择制定为针对行动轨迹的顺序决策问题。给定先导分子和优化目标，TRACE 通过分子优化工具做出轨迹感知决策，从而在结构约束下实现前瞻性改进。多个 ADMET 优化任务的实验表明，与基线模型相比，我们的代理实现了更高的优化成功率、更大的性能改进和更高的有效性，同时保留了分子相似性。