論文の概要: PharmAgents2: Towards Autonomous End-to-End Drug Discovery

• arxiv url: http://arxiv.org/abs/2611.07653v1
• Date: Thu, 05 Nov 2026 08:39:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.60542
• Title: PharmAgents2: Towards Autonomous End-to-End Drug Discovery
• Title（参考訳）: PharmAgents2: エンド・ツー・エンドの自律的な創薬を目指して
• Abstract要約: 本稿では、エンドツーエンドの薬物発見のための自律システムであるPharmAgents2を紹介する。 Paper2Skillは、公開資料から移行可能な科学的決定知識を抽出する。 自己スケーリングディスカバリは、研究コンテキストを継承する並列エージェントによる探索を拡張する。
• 参考スコア（独自算出の注目度）: 44.535137532462535
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Drug discovery requires continuous scientific decision-making across a vast research space. We introduce PharmAgents2, an autonomous system for end-to-end drug discovery that combines knowledge-enhanced decision-making with organized large-scale exploration. Paper2Skill extracts transferable scientific decision knowledge from public sources and, together with expert-developed skills, supports research decisions. Self-Scaling Discovery expands exploration through parallel agents inheriting research context and decision-making capabilities across targets, scientific hypotheses, and discovery strategies. We introduce PharmAgents-Bench v0.1, comprising 121 questions across nine decision scenarios and three end-to-end tasks assessed with expert-defined process rubrics. PharmAgents2 outperforms evaluated baselines in most decision categories and achieves the highest process scores on all three end-to-end tasks. In three real-world studies, autonomous investigations generated findings subsequently supported by human-executed experiments. For LpxH, PharmAgents2 hypothesized a previously unreported allosteric site and screened compounds against it, identifying a novel inhibitor scaffold with experimentally confirmed inhibitory activity and binding. For JAK1, it prioritized a covalent inhibition strategy and nominated compounds with experimentally demonstrated activity. Starting from a known bioactive molecule, Self-Scaling Discovery explored candidate targets across the proteome and identified a new binding target, with the interaction subsequently confirmed experimentally. PharmAgents2 represents a prototype of a virtual pharmaceutical company, marking a step toward autonomous end-to-end drug discovery.
• Abstract（参考訳）: 医薬品の発見には、広大な研究分野における継続的な科学的意思決定が必要である。 本稿では,エンド・ツー・エンドの薬物発見システムであるPharmAgents2を紹介する。 Paper2Skillは、公開資料から移行可能な科学的意思決定知識を抽出し、専門家が開発した技術とともに、研究決定を支援する。 自己スケーリングディスカバリは、研究コンテキストと目標、科学的仮説、発見戦略を継承する並列エージェントによる探索を拡張する。 我々は9つの意思決定シナリオに121の質問と、専門家が定義したプロセスルーブリックで評価された3つのエンドツーエンドタスクを含むPharmAgents-Bench v0.1を紹介する。 PharmAgents2は、ほとんどの決定カテゴリでベースラインを評価し、3つのエンドツーエンドタスクで最高のプロセススコアを達成する。 実世界の3つの研究において、自律的な調査は、後に人間によって実行された実験によって支持された結果を生み出した。 LpxHでは、PharmAgents2は未報告のアロステリック部位とそれに対するスクリーニング化合物を仮定し、実験的に阻害活性と結合が確認された新規阻害剤の足場を同定した。 JAK1では、共価阻害戦略と、実験的に活性を示す化合物を優先した。 既知の生物活性分子から始まり、セルフスキャリングディスカバリーはプロテオーム全体にわたる候補標的を探索し、新しい結合ターゲットを特定し、その後、その相互作用が実験的に確認された。 PharmAgents2は、バーチャル製薬会社のプロトタイプであり、自律的なエンドツーエンドの薬物発見に向けた一歩である。

関連論文リスト

• El Agente Fármaco: A Scalable AI Scientist for Drug Discovery [32.94461943460917]
  我々は,現代大言語モデル(LLM)技術を用いたAI科学者であるEl Agente Frmacoを紹介する。 エージェントハーネスは、科学的ツールを選択し、その結果をレビューし、その後、ターゲットとユーザの目的に対するステップを実行する。 われわれのアプローチは、分子、構造、結果を記憶するFrmaco Atlasという科学記憶の共有に重点を置いている。
  論文  参考訳（メタデータ） (2026-11-02T19:08:49Z)
• Can AI Agents Make Open-Ended Scientific Discovery? Evidence from Station [14.556758955830796]
  複数のエージェントが科学的エコシステムをシミュレートするオープンワールド環境であるStationにおける、オープンエンドタスクにAIが取り組む能力について検討する。 ICLRで発表された3つの最近の口頭文書から,オープンエンドタスクを構築した。 私たちは、Stationが平均的な基準の62.7%をカバーしているのに対し、Codex Multiagent-v2は15.4%、AI Scientist-v2は14.4-2.0.6%である。
  論文  参考訳（メタデータ） (2026-10-06T18:00:39Z)
• FIRE-Bench: Evaluating Agents on the Rediscovery of Scientific Insights [63.32178443510396]
  FIRE-Bench (Full-cycle Insight Rediscovery Evaluation) は、確立された発見の再検討を通じてエージェントを評価するベンチマークである。 最強のエージェントでさえ、限られた再発見成功(50 F1)を達成し、実行中に高いばらつきを示し、実験的な設計、実行、エビデンスに基づく推論において繰り返し失敗モードを表示する。
  論文  参考訳（メタデータ） (2026-02-02T23:21:13Z)
• AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite [75.58737079136942]
  本稿では,AstaBenchについて紹介する。AstaBenchは,科学的研究を行うためのエージェント能力の総合的な測定を行うスイートである。 私たちのスイートには、プロダクショングレードの検索ツールを備えた、最初の科学研究環境が付属しています。 22のエージェントクラスで57のエージェントを評価したところ,いくつかの興味深い結果が得られた。
  論文  参考訳（メタデータ） (2025-10-24T17:10:26Z)
• Hypothesis Hunting with Evolving Networks of Autonomous Scientific Agents [52.50038914857797]
  この過程を仮説探索と呼び、膨大な複雑な仮説空間を横断する持続的な探索を通して洞察を累積的に探索する。 本稿では、エージェント、ネットワーク、評価規範の相互作用としてフレームワークモデリングディスカバリであるAScienceを紹介し、ASCollabとして実装する。 実験により、このような社会的ダイナミクスは、多様性-品質-ノーベルティフロンティアに沿った専門家評価結果の蓄積を可能にすることが示された。
  論文  参考訳（メタデータ） (2025-10-08T08:47:07Z)
• Towards an AI co-scientist [48.11351101913404]
  Gemini 2.0上に構築されたマルチエージェントシステムであるAIコサイシストを紹介する。 このAIの共同科学者は、新しい独創的な知識を解明し、明らかに新しい研究仮説を定式化することを目的としている。 システムの設計には、科学的手法にインスパイアされた仮説生成への生成、議論、進化のアプローチが組み込まれている。
  論文  参考訳（メタデータ） (2025-02-26T06:17:13Z)
• Discovering Drug-Target Interaction Knowledge from Biomedical Literature [107.98712673387031]
  人体における薬物と標的(DTI)の相互作用は、生物医学や応用において重要な役割を担っている。 毎年何百万もの論文がバイオメディカル分野で出回っているので、文学からDTIの知識を自動的に発見することは、業界にとって急激な需要となっている。 生成的アプローチを用いて,この課題に対する最初のエンドツーエンドソリューションについて検討する。 我々はDTI三重項をシーケンスとみなし、Transformerベースのモデルを使ってエンティティや関係の詳細なアノテーションを使わずに直接生成する。
  論文  参考訳（メタデータ） (2021-09-27T17:00:14Z)
• A Novel Framework Integrating AI Model and Enzymological Experiments Promotes Identification of SARS-CoV-2 3CL Protease Inhibitors and Activity-based Probe [8.35958386389992]
  我々は,SARS-CoV-2の3CLプロテアーゼに対する阻害剤を同定するための新しいフレームワークであるAIMEEを提案する。 生物活性化学ライブラリーから2ラウンドの実験を行い、29.41%の新規阻害剤を同定した。 我々は,AIMEEにおける中心モデルの解釈可能性について検討し,深層学習の特徴を化学特性の領域知識にマッピングした。
  論文  参考訳（メタデータ） (2021-05-29T06:23:05Z)

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。