benchmarks

В статье представлен замкнутый языковой агент для оптимизации лекарственных соединений, сочетающий контекст мишени и стартового хита, поиск в PubMed, инструменты оценки свойств молекул, докинг и обратную связь от ранее оцененных аналогов. Исследование проведено в виде вычислительного бенчмарка на шести киназах, где агент показал наилучшие результаты по агрегированному баллу в четырех случаях. Анализ показал, что преимущество агента связано с удержанием обратной связи и поиском в областях высокого QED, а не только с докингом. На примере EGFR продемонстрирована траектория оптимизации от эрлотиниба. Результаты представляют собой гипотезы для последующего экспериментального тестирования, а не валидированные лидеры.