論文の概要: Pepti-Agent: An AI Agent for Peptide Design and Optimization

• arxiv url: http://arxiv.org/abs/2606.15422v1
• Date: Sat, 13 Jun 2026 18:19:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.567676
• Title: Pepti-Agent: An AI Agent for Peptide Design and Optimization
• Title（参考訳）: Pepti-Agent: ペプチド設計と最適化のためのAIエージェント
• Authors: Houxu Chen, Achuth Chandrasekhar, Amir Barati Farimani,
• Abstract要約: Pepti-Agentはクローズドループフレームワークで、独立して検査可能なモデルコンテキストプロトコル(MCP)ツールとして生成、プロパティ予測、単一残基突然変異を公開する。 大きな言語モデルコントローラがこれらのツールを起動し、呼び出し間のライブ予測出力をコンサルティングするので、各シーケンスの現在のプロパティプロファイルによって改善が導かれる。
• 参考スコア（独自算出の注目度）: 10.596902977676807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Therapeutic peptides occupy a valuable design space between small molecules and biologics, but their development requires satisfying several competing constraints at once: solubility, hemolytic activity, and nonspecific surface fouling are governed by overlapping sequence features, so improving one property often degrades another. Computational design addresses this by pairing generative models with sequence-based property predictors, iteratively proposing and refining candidates. However, these components are typically wired together as monolithic scripts that are difficult to inspect, extend, or reuse, and they often refine sequences by natural-language reasoning rather than by tracking the evolving multi-property state of each candidate. We present Pepti-Agent, a closed-loop, peptide-specific framework that exposes generation, property prediction, and single-residue mutation as independently inspectable Model Context Protocol (MCP) tools. A large language model controller invokes these tools and consults live predictor output between calls, so refinement is guided by each sequence's current property profile rather than by language reasoning alone. Task-specific PeptideGPT models generate candidates, ProtBERT-based classifiers score solubility, hemolysis, and non-fouling, and two interchangeable mutation operators propose sequence edits. By recording a per-step trace of controller decisions, predictor outputs, and accepted mutations, Pepti-Agent offers a reproducible substrate for benchmarking multi-objective design strategies and for prioritizing candidates for experimental validation.
• Abstract（参考訳）: 治療ペプチドは、小さな分子と生物学の間の貴重な設計空間を占有するが、その開発にはいくつかの競合する制約を一度に満たさなければならない:溶解度、溶血活性、非特異的表面汚濁は重なり合う配列特徴によって制御されるため、一つの性質を改善することはしばしば別の性質を劣化させる。 計算設計では、生成モデルとシーケンスベースの特性予測器をペアにすることでこの問題に対処する。 しかしながら、これらのコンポーネントは通常、検査、拡張、再利用が難しいモノリシックなスクリプトとして配線されており、各候補の進化するマルチプロパティ状態を追跡するのではなく、自然言語の推論によってシーケンスを洗練することが多い。 Pepti-Agentは、独立して検査可能なモデルコンテキストプロトコル(MCP)ツールとして、生成、特性予測、単一残基突然変異を公開するクローズドループ、ペプチド特異的なフレームワークである。 大規模な言語モデルコントローラがこれらのツールを起動し、呼び出し間のライブ予測出力をコンサルティングするので、言語推論単独ではなく、各シーケンスの現在のプロパティプロファイルによって改善が導かれる。 タスク固有のPeptideGPTモデルは候補を生成し、ProtBERTベースの分類器は溶解度、溶血性、非汚濁度をスコアし、2つの交換可能な突然変異演算子がシーケンス編集を提案する。 Pepti-Agentは、コントローラ決定、予測出力、許容突然変異の各ステップのトレースを記録することで、多目的設計戦略をベンチマークし、実験検証の候補を優先順位付けするための再現可能な基板を提供する。

関連論文リスト

• AgentPLM: Agentic Protein Language Models with Reasoning-Augmented Decoding for Protein Sequence Design [0.48342038441006796]
  タンパク質言語モデル(PLM)は、外部の生物物理学的フィードバックやリダイレクト生成のメカニズムを持たない単一の前方通過で配列を生成する。 本稿では,ツールコールによる自己回帰生成をインターリーブするReasoning-Augmented Decoding (RAD)を用いて,事前学習したPLMを組み込むことにより,この問題に対処するAgentPLMを紹介する。 我々は、デノボ酵素設計、抗体最適化、耐熱性、PPIインターフェース設計、および標準オラクルAPIによるゼロショット適合性予測を含むベンチマークタスクにおいて、AgentPLMを評価した。
  論文  参考訳（メタデータ） (2026-06-01T15:35:02Z)
• UniT: Unified Multimodal Chain-of-Thought Test-time Scaling [85.590774707406]
  統一モデルは単一のアーキテクチャ内でマルチモーダル理解と生成の両方を扱うことができるが、通常は出力を反復的に書き換えることなく単一のパスで操作する。 マルチモーダルなテストタイムスケーリングのためのフレームワークであるUniTを導入し、単一の統一モデルで複数のラウンドをまたいだ推論、検証、精査を可能にします。
  論文  参考訳（メタデータ） (2026-02-12T18:59:49Z)
• M^4olGen: Multi-Agent, Multi-Stage Molecular Generation under Precise Multi-Property Constraints [35.83366265234892]
  textbfM olGenは、多能性制約下での分子生成のためのフラグメントレベル、検索強化、2段階のフレームワークである。 フラグメントの推論チェーンと測定されたプロパティデルタを備えたデータセットは、両方のステージを基盤とします。 2組のプロパティ制約の下での生成実験は、多目的の妥当性と正確な満足度において一貫した利得を示す。
  論文  参考訳（メタデータ） (2026-01-15T07:18:05Z)
• Decoupling the Effect of Chain-of-Thought Reasoning: A Human Label Variation Perspective [60.45433515408158]
  長いチェーン・オブ・ソート(CoT)がトップオプションの決定的決定要因となるが、あいまいなタスクの粒度分布キャリブレータとして機能しないことを示す。 CoTは分布アライメントを改善するが、CoTの内容によって最終的な精度が決定される。
  論文  参考訳（メタデータ） (2026-01-06T16:26:40Z)
• Regulatory DNA sequence Design with Reinforcement Learning [56.20290878358356]
  本稿では,強化学習を利用して事前学習した自己回帰モデルを微調整する生成手法を提案する。 2つの酵母培地条件下でのプロモーター設計タスクの評価と,3種類のヒト細胞に対するエンハンサー設計タスクの評価を行った。
  論文  参考訳（メタデータ） (2025-03-11T02:33:33Z)
• Test-Time Alignment for Large Language Models via Textual Model Predictive Control [63.508812485566374]
  Textual Model Predictive Control (TMPC) は、推論時に大規模言語モデルを調整するために適応された新しい予測計画フレームワークである。 TMPCは、談話レベル翻訳、長文応答生成、プログラム合成の3つの異なるセグメンテーション特性を持つタスクで評価される。 その結果、TMPCはパフォーマンスを継続的に改善し、一般性を強調している。
  論文  参考訳（メタデータ） (2025-02-28T07:24:33Z)
• Reprogramming Pretrained Language Models for Antibody Sequence Infilling [72.13295049594585]
  抗体の計算設計には、構造的一貫性を維持しながら、新規で多様な配列を生成することが含まれる。 近年のディープラーニングモデルでは優れた結果が得られたが、既知の抗体配列/構造対の数が限られているため、性能が劣化することが多い。 これは、ソース言語でトレーニング済みのモデルを再利用して、異なる言語で、データが少ないタスクに適応するものです。
  論文  参考訳（メタデータ） (2022-10-05T20:44:55Z)
• Diversifying Design of Nucleic Acid Aptamers Using Unsupervised Machine Learning [54.247560894146105]
  短い一本鎖RNAとDNA配列(アプタマー)の逆設計は、一連の望ましい基準を満たす配列を見つけるタスクである。 我々は、Pottsモデルとして知られる教師なし機械学習モデルを用いて、制御可能なシーケンスの多様性を持つ新しい有用なシーケンスを発見することを提案する。
  論文  参考訳（メタデータ） (2022-08-10T13:30:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。