文献データベースを備えた固定ステージ型LLMエージェントが、一つの自然言語プロンプトからタンパク質バインダーを設計
- LPTは、それぞれが上限付きでツールを使うループを回す固定のLLMステージをつなぎ、トークン消費と計算コストを抑えながら、平易な一つの依頼からバインダー設計を始められる。
- 各ステージは約14,000本の論文を要約した厳選データベースを参照でき、アクセスのあるモデルはそこから出題した未提示の質問の大半に正答したが、アクセスのないモデルは一問も正答できなかった。
- CALCRL/RAMP1、PD-1/PD-L1、PVR-TIGITを標的とする三つのエンドツーエンド設計を実施。裏付けは複数の構造予測モデル間の一致というin silicoのみで、実験的検証は報告されていない。
💡 ポイント アブストラクトに基づく見解
LPTの新規性は上限付きのオーケストレーション層であり、新しいバインダー設計手法ではない。文献テストも検索ありが検索なしに勝つと示しただけで、ハードルは低い。実験データがなければ構造予測モデル間の一致は弱い根拠で、それらは学習上の偏りを共有している。自分のプロジェクトなら、通常のRFdiffusion系パイプラインとのヒット率比較で決着がつく。
LPT: Orchestrating bounded agentic loops for automated protein binder design ↗