哪些经验能在蛋白质口袋间迁移？面向智能体结构基础药物设计的分子优化经验复用

LLM 智能体通过逐步编辑配体，并对每次编辑后的配体进行对接，来优化蛋白质口袋中的配体。近期的智能体会先通过受控编辑，进行额外的对接来探查复合物；据报道，从这些探查中归纳出的指导，比模型已有的化学知识更有帮助。然而，这些探查结果会随着产生它们的实例一起被丢弃，因此，显而易见的下一步是将其保存在经验库中，让新口袋继承先前口袋已付出成本获得的经验。此类经验库通过一个 \emph{键} 来读取：即用于汇总过去的编辑记录并检索新编辑的记录属性。我们利用一次覆盖 CrossDocked2020 测试集口袋的此类运行的完整日志，探究这些键是否会在经验库从未见过的口袋中再次出现，并且仍能区分带来改善与导致恶化的编辑。\crchange{使用}编辑位点的接触信息、操作和轮次作为\crchange{一个}键时，经验库能清晰地区分这两类编辑。在我们的分析中，这种区分能力在很大程度上可由编辑引起的分子大小变化程度、操作和轮次来解释，而这些因素都不描述靶标。这并非因为靶标无关紧要：直接指明靶标身份，区分能力会强数倍。对于经验库中未出现过的口袋，迁移必须依赖描述，而非其身份。在我们评估的精确匹配描述中，较具体的描述很少重复出现，而较粗略的描述几乎没有区分能力；能够迁移的信号主要描述的是编辑及其产生的分子，而非靶标。在本研究所考察的表征和检索方案下，经验库或许更适合用于对智能体自身提出的候选方案进行对接优先级排序，而非直接规定应构建什么分子。