MAC-AMP：一种用于多目标抗菌肽设计的闭环多智能体协作系统

为了应对抗菌药物耐药性这一全球健康威胁，抗菌肽（AMP）因其强大的抗耐药病原体能力而备受探索。尽管人工智能（AI）被用于推进AMP的发现和设计，但大多数AMP设计模型在平衡关键目标如活性、毒性和新颖性方面存在困难，使用的评分方法严格或模糊不清，使得结果难以解释和优化。随着大型语言模型（LLM）的能力迅速发展和演变，我们转向基于此类模型的AI多智能体协作（多智能体LLM），这在复杂的科学设计场景中显示出迅速上升的潜力。基于此，我们引入了MAC-AMP，一个闭环多智能体协作（MAC）系统，用于多目标AMP设计。该系统实施了一个完全自主的模拟同行评审自适应强化学习框架，只需任务描述和示例数据集即可设计新型AMP。我们工作的创新之处在于引入了一个用于AMP设计的闭环多智能体系统，具有跨领域可迁移性，它支持多目标优化，同时保持可解释性，而非“黑箱”。实验表明，MAC-AMP通过有效优化AMP生成以适应多个关键分子特性，在抗菌活性、AMP可能性、毒性合规性和结构可靠性方面表现出卓越的结果。