1. 项目背景与核心挑战当大语言模型遇上药物设计最近在药物研发的圈子里一个话题的热度正在悄然攀升如何让大语言模型LLM真正理解并操作分子结构从而在基于结构的药物设计SBDD中发挥作用。这听起来像是科幻小说里的情节——一个AI“化学家”看着蛋白质的三维结构就能构思出能与之完美结合的新药分子。但现实是这条路远比想象中要崎岖。我自己在尝试将LLM应用于分子生成任务时就遇到了一个典型的“幻觉”问题。你给模型一个蛋白质口袋的坐标让它生成一个能结合的小分子。模型确实能输出一个看起来合理的SMILES字符串一种描述分子结构的线性符号但当你把这个分子丢进分子对接软件里一跑结果往往令人啼笑皆非生成的分子要么构象扭曲得根本不可能存在要么关键的药效团基团方向完全错位和靶点蛋白的相互作用一塌糊涂。LLM就像一个想象力丰富但缺乏空间感和物理直觉的“建筑师”它能画出漂亮的平面图却完全不管这个建筑在三维世界里能不能立起来或者地基是否稳固。这就是“Probe Before You Edit”这篇工作试图解决的核心痛点。它瞄准的是LLM在SBDD中的一个关键瓶颈分子编辑的盲目性。传统的基于LLM的分子优化往往遵循“生成-评估”的循环。模型根据一个初始分子和优化目标比如提高结合亲和力、降低毒性直接“想象”出一个修改后的新分子。这个过程缺乏对分子与靶点蛋白在三维空间中相互作用细节的、可解释的引导。模型不知道应该“碰”分子的哪个部分以及“怎么碰”才是物理上合理且有效的。这种“黑箱”式的编辑成功率低且难以融入药物化学家依赖的、基于结构知识的理性设计流程。因此这篇工作引入了一个名为“PROBE”的引导框架。它的核心思想非常直观就像它的标题所说在动手编辑之前先进行探测。这个“探测”Probing不是随意的而是系统性地分析当前分子-蛋白复合物结构找出那些最有改进潜力的“编辑位点”和“编辑方向”然后将这些结构化的、富含物理化学意义的“线索”打包成一个“编辑手册”EditManual再交给LLM去执行具体的分子修改。这相当于给天马行空的LLM戴上了一副“结构洞察”的眼镜并给了它一份详细的施工图纸。2. PROBE框架详解从结构洞察到可执行指令那么PROBE具体是如何工作的呢我们可以把它拆解成一个三步走的管道这比单纯让LLM“自由发挥”要严谨得多。2.1 第一步结构感知的“探测”Probing阶段这是整个框架的基石也是最体现其与纯文本或序列生成模型区别的地方。PROBE的输入是一个分子-蛋白质复合物的三维结构通常是PDB文件。它并不直接把这个复杂的3D坐标扔给LLM而是先通过一系列计算化学和生物信息学工具进行深度分析提取出可量化的“痛点”和“机会点”。这个过程主要关注几个维度相互作用分析系统会扫描分子与蛋白口袋中每个氨基酸残基的相互作用包括氢键、卤键、π-π堆积、疏水接触等。它会识别出哪些相互作用是强的、有利的哪些是弱的、缺失的甚至是有冲突的比如立体碰撞。可旋转键与构象柔性评估分析分子中哪些化学键可以自由旋转当前的构象是否处于能量有利的状态。一个扭曲的、高能量的构象即使在对接中得分高在实际中也极不稳定。子结构贡献度分解利用像SHAPSHapley Additive exPlanations这样的可解释性AI方法或者基于经验的打分函数分解评估分子中每个片段比如一个苯环、一个酰胺键对整体结合亲和力的贡献。这能找出“拖后腿”的基团或“潜力股”区域。所有这些分析的结果不会被输出为一堆冗长的数字和图表而是被总结和转化为一系列结构化的探测提示Probing Prompts。例如“在配体的羧基氧原子与蛋白的ARG106的NH2之间存在一个潜在的强氢键供体-受体对但当前距离为3.5Å略远于理想距离2.8-3.0Å。”“配体的末端的甲基伸入了蛋白的一个疏水空腔但该空腔仍有约50立方埃的未填充体积建议引入更大的疏水基团如异丙基、环戊基以增强范德华相互作用。”“分子中心的哌啶环采取了一个高能量的椅式构象考虑将其替换为构象更受限的环状胺如四氢吡咯或调整相邻取代基以减少立体张力。”这些提示本质上是将3D结构信息“翻译”成了LLM能够理解的、富含化学意义的文本描述。它们指明了“哪里有问题”以及“大概可以怎么改”。2.2 第二步生成“编辑手册”EditManual第一步产生的探测提示是零散的、针对具体原子和相互作用的。直接把这些扔给LLM它可能还是无法形成一个连贯的修改计划。因此PROBE引入了一个“编辑手册”的概念。这个EditManual是一个结构化的文档它整合并组织了所有相关的探测提示并进一步明确了编辑的范围、类型和约束。你可以把它想象成药物化学项目组内部的一份“分子优化任务书”。它通常包含以下几个部分优化目标重申明确本次编辑要提升的主要性质如ΔG 结合自由能和次要性质如Lipinski规则符合度。高优先级编辑位点列表根据探测结果列出1-3个最值得修改的位点每个位点附带具体的结构原因和建议方向。例如“位点AR-基团。建议将当前甲基替换为氯原子或甲氧基以同时增加疏水性和形成卤键/氢键的可能性。”禁止修改区域明确指定必须保留的核心药效团或骨架防止LLM“乱动”关键部分。化学空间约束限定可用的反应类型、常见的Bioisostere生物电子等排体替换列表或者允许引入的官能团库确保生成的分子在合成上具有可行性。空间与构象约束以文本形式描述关键的立体化学要求如“新引入的基团必须处于α-面以避免与TYR150的侧链碰撞”。生成EditManual的过程本身也可以由一个较小的、经过精细调优的LLM来完成它的任务是将专业的探测提示“翻译”和“打包”成一份清晰、无歧义、可执行的任务说明书。这份手册是连接“结构分析”与“分子生成”的关键桥梁。2.3 第三步LLM代理的引导式编辑有了EditManualLLM代理LLM Agent的工作就变得目标明确多了。这里的“代理”指的是一个能够调用工具、遵循多步指令的LLM系统。在这个阶段LLM Agent的提示词Prompt模板大致如下你是一个经验丰富的药物化学家。你的任务是根据以下《编辑手册》优化给定的初始分子。 初始分子 SMILES: [Initial_SMILES] 蛋白质靶点: [Target_Name] 《编辑手册》 [完整的EditManual内容] 请严格遵循手册中的指导进行思考 1. 首先分析手册中指出的核心问题和建议。 2. 然后设计一个具体的分子修改方案。你的方案必须 - 针对手册中列出的高优先级位点进行修改。 - 绝对遵守“禁止修改区域”的限制。 - 优先考虑手册中建议的化学修饰类型。 - 确保最终分子在化学上是合理的可通过化学规则检查。 3. 最终输出修改后的分子SMILES并简要说明你的修改是如何解决手册中指出的结构问题的。在这个强引导下LLM不再是漫无目的地“生成”而是进行“推理-编辑”。它会像一位化学家一样参考手册在约束范围内构思具体的化学反应或子结构替换。例如看到手册建议“将甲基替换为可形成氢键的基团”它可能会提议“将-CH3替换为-COOH羧酸或-CONH2酰胺”。由于EditManual已经过滤掉了大量不合理的方向LLM在此框架下提出的修改方案其结构合理性和与靶点兼容的成功率会显著提高。3. 核心组件与技术实现拆解要让PROBE框架从概念走向实用背后依赖几个关键的技术组件。这些组件的选型和实现细节直接决定了整个系统的效能。3.1 探测模块的工具链集成探测模块是数据的源头。一个鲁棒的PROBE系统需要集成或调用一系列专业的科学计算工具分子对接与相互作用可视化软件如AutoDock Vina, GOLD, Schrodingers Glide。用于获取初始的复合物结构并计算基础结合模式。像PLIP、LigPlot这样的工具可以自动生成详细的相互作用二维图这些图表信息可以被解析为文本描述。分子力学/分子动力学MM/MD模拟短时间的MD模拟如50-100 ps对于评估构象稳定性、发现潜在的柔性区域和碰撞非常有用。像GROMACS、OpenMM这样的工具可以集成进来模拟结果可以总结为“配体骨架在模拟过程中RMSD波动较大建议引入环化或大体积取代基以限制柔性”。可解释性AIXAI方法对于使用深度学习打分函数的场景集成如DeepSHAP、LIME等工具至关重要。它们能回答“模型为什么给这个分子打高分”的问题将黑箱预测转化为对特定原子或片段贡献度的估计为编辑提供精准指导。化学信息学库RDKit是绝对的核心。它用于处理SMILES、分子可视化、子结构匹配、官能团识别、简单的构象生成以及化学合理性检查。几乎所有从结构到文本的“翻译”工作都离不开RDKit。在实际搭建时这些工具通常被封装成一个个独立的工具函数Tool Functions并由一个编排器Orchestrator来依次调用。编排器的逻辑是先运行快速的分析如RDKit描述符计算、PLIP相互作用分析如果发现模糊或冲突的地方再触发计算量更大的分析如短MD模拟。这种分层策略保证了效率。3.2 EditManual的生成与格式化EditManual的生成器本身可以是一个经过微调的LLM如Llama 3、Qwen等7B-13B参数规模的开源模型。训练数据需要人工构造即大量“探测结果报告 对应编辑手册”的配对样本。探测报告来自上述工具链的原始输出编辑手册则需要由资深药物化学家根据报告撰写。这个微调过程的关键在于让模型学会信息过滤与优先级排序不是所有探测到的“问题”都值得修改。模型需要学会区分致命的立体碰撞和可容忍的距离偏差。专业术语的准确使用确保“氢键供体”、“π-阳离子相互作用”、“扭转角”等术语被正确使用。结构化输出严格按照预设的模板如JSON或特定的Markdown格式来组织内容方便后续的LLM Agent解析。一个高质量的EditManual应该是机器可读且人可理解的。在实践中我们常常将其定义为一种轻量级的领域特定语言DSL或结构化的JSON Schema。例如{ “optimization_goal”: “improve_binding_affinity”, “high_priority_sites”: [ { “site_id”: “R1”, “current_group”: “methyl”, “structural_issue”: “Insufficient hydrophobic filling in subpocket S1”, “suggested_actions”: [“replace_with”, “chloro”, “isopropyl”, “cyclopentyl”] } ], “protected_regions”: [“core_scaffold”, “hydrogen_bond_donor_atom: N12”], “synthetic_constraints”: [“avoid_ester_group_due_to_metabolic_instability”] }3.3 LLM代理的提示工程与迭代循环即使有了EditManualLLM Agent的提示设计也绝非一劳永逸。这里有几个重要的工程细节思维链Chain-of-Thought强制在提示中明确要求LLM输出其推理步骤“请逐步思考”这不仅能提高结果的可信度也便于在出错时进行调试。我们可以检查是推理的哪一步偏离了手册。工具调用集成一个强大的Agent不应该只输出文本。它应该能调用工具来验证自己的想法。例如在提出一个修改方案后Agent可以自动调用RDKit来检查新分子的化学有效性如价态是否正确或者调用一个快速的打分函数来预估结合能的变化。这构成了一个“提议-验证”的微观循环。多轮迭代与回溯PROBE框架通常不是一次编辑就结束的。LLM Agent根据EditManual生成一个候选分子后这个新分子会再次进入“探测”阶段生成新的分析报告和EditManual开启下一轮优化。系统需要设计一种机制来评估迭代是否带来了改进并在陷入局部最优时比如连续几轮修改都无效触发回溯或引入随机性类似于模拟退火。4. 实战应用一个虚拟的案例推演为了更具体地说明PROBE的工作流程我们虚构一个简单的案例。假设我们有一个针对激酶靶点“X”的先导化合物L-0其SMILES为Cc1ccc(NC(O)C2CCN(S(O)(O)c3ccc(C)cc3)CC2)cc1。初步对接显示它有中等活性但有待优化。步骤1初始探测我们将L-0与靶点X的晶体结构进行对接并用工具链分析。PLIP报告发现磺酰胺基团-S(O)(O)-的氧原子与蛋白骨架的NH形成了一个较好的氢键但苯环上的甲基-CH3所处的口袋S1口袋还有较大空间未被填充。RDKit构象分析连接苯环和酰胺的键可旋转在对接构象中处于一个相对高能的扭转角。简单打分函数分解提示苯环区域对结合贡献为中性有提升空间。步骤2生成EditManualEditManual生成器综合以上信息输出如下手册目标提高对激酶X的结合亲和力预测IC50降低。 高优先级编辑位点 1. S1口袋填充将苯环上的甲基-CH3替换为体积更大、疏水性更强的基团以更好地填充S1口袋。建议选项氯-Cl、三氟甲基-CF3、环丙基。 2. 连接子刚性化考虑将单键连接子-NC(O)-替换为构象更受限的环状结构如哌嗪酮或三唑环以降低结合构象的熵罚。 禁止修改区域必须保留磺酰胺基团-S(O)(O)-这是与铰链区形成关键氢键的药效团。 合成可行性建议优先考虑商业可得的硼酸酯或卤代物便于通过Suzuki偶联等反应快速构建类似物库。步骤3LLM代理引导编辑LLM Agent收到手册和L-0的SMILES。它进行推理“手册建议修改苯环上的甲基。我可以尝试用-Cl或-CF3替换。考虑到S1口袋是疏水的-CF3的疏水性更强且可能引入独特的静电相互作用我选择-CF3。”“手册还建议刚性化连接子。将酰胺连接子替换为[1,2,4]三唑环是一个常见的生物电子等排策略既能维持氢键能力又能增加刚性。”“我必须保留磺酰胺基团它没有被改动。”“最终我将-C甲基替换为-C(F)(F)F三氟甲基并将-NC(O)-片段替换为-n1cncn1-1,2,4-三唑。让我用RDKit检查一下新分子的有效性...检查通过。”LLM Agent输出新的SMILESFC(F)(F)c1ccc(Nc2ncnc2S(O)(O)c3ccc(C)cc3)cc1注此为示意实际替换可能更复杂。步骤4新一轮循环新分子L-1被送入对接和探测流程。新的PLIP报告可能显示-CF3确实更好地填充了S1口袋新增了氟-芳烃相互作用三唑环也形成了氢键网络。结合打分提升。如果仍未达到目标基于L-1的新EditManual会被生成指导下一轮更精细的优化比如调整三唑环上的取代基。5. 优势、局限与未来展望PROBE框架的核心优势在于它将基于物理的结构洞察与LLM的创造性生成能力进行了有机结合。它没有试图让LLM去学习复杂的分子力场或量子化学而是让专业工具做专业的事探测分析让LLM专注于它擅长的部分在给定的、富有化学意义的约束下进行组合式创新和推理。这极大地提高了分子优化过程的可解释性、可控性和成功率。药物化学家可以审查EditManual理解AI提出修改建议的结构依据从而更愿意信任和采纳其结果。然而这个框架也面临一些挑战和局限工具链的依赖与误差传递整个系统的质量高度依赖于前端探测工具的准确性。如果初始的分子对接构象本身是错误的那么后续的所有分析和建议都可能是在“垃圾进垃圾出”。分子对接、打分函数本身都存在误差。EditManual的生成质量将复杂的结构信息准确、无歧义地总结成文本手册本身就是一个难题。生成器模型可能会遗漏关键细节或产生误导性描述。化学空间的覆盖与泛化LLM Agent的编辑能力受限于其训练数据中的化学知识。对于非常新颖的、训练数据中少见的骨架或反应它可能无法提出可行的方案。它本质上是在已知的化学空间中进行插值和重组。计算成本每一轮迭代都涉及分子对接、可能的结构分析计算成本高于纯语言模型的生成。虽然可以通过使用快速打分函数来部分缓解但对于大规模虚拟筛选仍是一个考量。展望未来我认为类似PROBE的“引导式生成”框架会成为AI辅助药物设计AIDD的主流范式。几个可能的演进方向包括多模态模型直接集成未来的LLM可能是原生多模态的能够直接“看懂”3D分子结构图或电子密度图从而减少对中间“翻译”工具链的依赖实现更端到端的结构理解。与自动化实验平台闭环PROBE生成的分子可以直接送入自动化合成与测试平台实验数据真实的活性、溶解度等实时反馈回来用于修正探测模型和优化EditManual形成“计算设计-实验验证-模型迭代”的完整闭环。专注于特定优化任务可以开发针对特定性质如口服生物利用度、血脑屏障穿透性优化的专用PROBE变体集成相应的预测模型如ADMET预测器到探测阶段实现多目标并行优化。在我个人看来PROBE这类工作的最大价值不在于替代药物化学家而在于成为一个强大的“副驾驶”。它负责处理海量的结构数据提出基于数据的理性假设而人类专家则负责把握方向、判断化学可行性、并做出最终的决策。这种“人机协作”的模式才是加速药物发现进程的关键。毕竟最优秀的AI是那个能让我们人类专家变得更高效的AI。 PROBE框架：用结构引导大语言模型实现精准药物分子优化
1. 项目背景与核心挑战当大语言模型遇上药物设计最近在药物研发的圈子里一个话题的热度正在悄然攀升如何让大语言模型LLM真正理解并操作分子结构从而在基于结构的药物设计SBDD中发挥作用。这听起来像是科幻小说里的情节——一个AI“化学家”看着蛋白质的三维结构就能构思出能与之完美结合的新药分子。但现实是这条路远比想象中要崎岖。我自己在尝试将LLM应用于分子生成任务时就遇到了一个典型的“幻觉”问题。你给模型一个蛋白质口袋的坐标让它生成一个能结合的小分子。模型确实能输出一个看起来合理的SMILES字符串一种描述分子结构的线性符号但当你把这个分子丢进分子对接软件里一跑结果往往令人啼笑皆非生成的分子要么构象扭曲得根本不可能存在要么关键的药效团基团方向完全错位和靶点蛋白的相互作用一塌糊涂。LLM就像一个想象力丰富但缺乏空间感和物理直觉的“建筑师”它能画出漂亮的平面图却完全不管这个建筑在三维世界里能不能立起来或者地基是否稳固。这就是“Probe Before You Edit”这篇工作试图解决的核心痛点。它瞄准的是LLM在SBDD中的一个关键瓶颈分子编辑的盲目性。传统的基于LLM的分子优化往往遵循“生成-评估”的循环。模型根据一个初始分子和优化目标比如提高结合亲和力、降低毒性直接“想象”出一个修改后的新分子。这个过程缺乏对分子与靶点蛋白在三维空间中相互作用细节的、可解释的引导。模型不知道应该“碰”分子的哪个部分以及“怎么碰”才是物理上合理且有效的。这种“黑箱”式的编辑成功率低且难以融入药物化学家依赖的、基于结构知识的理性设计流程。因此这篇工作引入了一个名为“PROBE”的引导框架。它的核心思想非常直观就像它的标题所说在动手编辑之前先进行探测。这个“探测”Probing不是随意的而是系统性地分析当前分子-蛋白复合物结构找出那些最有改进潜力的“编辑位点”和“编辑方向”然后将这些结构化的、富含物理化学意义的“线索”打包成一个“编辑手册”EditManual再交给LLM去执行具体的分子修改。这相当于给天马行空的LLM戴上了一副“结构洞察”的眼镜并给了它一份详细的施工图纸。2. PROBE框架详解从结构洞察到可执行指令那么PROBE具体是如何工作的呢我们可以把它拆解成一个三步走的管道这比单纯让LLM“自由发挥”要严谨得多。2.1 第一步结构感知的“探测”Probing阶段这是整个框架的基石也是最体现其与纯文本或序列生成模型区别的地方。PROBE的输入是一个分子-蛋白质复合物的三维结构通常是PDB文件。它并不直接把这个复杂的3D坐标扔给LLM而是先通过一系列计算化学和生物信息学工具进行深度分析提取出可量化的“痛点”和“机会点”。这个过程主要关注几个维度相互作用分析系统会扫描分子与蛋白口袋中每个氨基酸残基的相互作用包括氢键、卤键、π-π堆积、疏水接触等。它会识别出哪些相互作用是强的、有利的哪些是弱的、缺失的甚至是有冲突的比如立体碰撞。可旋转键与构象柔性评估分析分子中哪些化学键可以自由旋转当前的构象是否处于能量有利的状态。一个扭曲的、高能量的构象即使在对接中得分高在实际中也极不稳定。子结构贡献度分解利用像SHAPSHapley Additive exPlanations这样的可解释性AI方法或者基于经验的打分函数分解评估分子中每个片段比如一个苯环、一个酰胺键对整体结合亲和力的贡献。这能找出“拖后腿”的基团或“潜力股”区域。所有这些分析的结果不会被输出为一堆冗长的数字和图表而是被总结和转化为一系列结构化的探测提示Probing Prompts。例如“在配体的羧基氧原子与蛋白的ARG106的NH2之间存在一个潜在的强氢键供体-受体对但当前距离为3.5Å略远于理想距离2.8-3.0Å。”“配体的末端的甲基伸入了蛋白的一个疏水空腔但该空腔仍有约50立方埃的未填充体积建议引入更大的疏水基团如异丙基、环戊基以增强范德华相互作用。”“分子中心的哌啶环采取了一个高能量的椅式构象考虑将其替换为构象更受限的环状胺如四氢吡咯或调整相邻取代基以减少立体张力。”这些提示本质上是将3D结构信息“翻译”成了LLM能够理解的、富含化学意义的文本描述。它们指明了“哪里有问题”以及“大概可以怎么改”。2.2 第二步生成“编辑手册”EditManual第一步产生的探测提示是零散的、针对具体原子和相互作用的。直接把这些扔给LLM它可能还是无法形成一个连贯的修改计划。因此PROBE引入了一个“编辑手册”的概念。这个EditManual是一个结构化的文档它整合并组织了所有相关的探测提示并进一步明确了编辑的范围、类型和约束。你可以把它想象成药物化学项目组内部的一份“分子优化任务书”。它通常包含以下几个部分优化目标重申明确本次编辑要提升的主要性质如ΔG 结合自由能和次要性质如Lipinski规则符合度。高优先级编辑位点列表根据探测结果列出1-3个最值得修改的位点每个位点附带具体的结构原因和建议方向。例如“位点AR-基团。建议将当前甲基替换为氯原子或甲氧基以同时增加疏水性和形成卤键/氢键的可能性。”禁止修改区域明确指定必须保留的核心药效团或骨架防止LLM“乱动”关键部分。化学空间约束限定可用的反应类型、常见的Bioisostere生物电子等排体替换列表或者允许引入的官能团库确保生成的分子在合成上具有可行性。空间与构象约束以文本形式描述关键的立体化学要求如“新引入的基团必须处于α-面以避免与TYR150的侧链碰撞”。生成EditManual的过程本身也可以由一个较小的、经过精细调优的LLM来完成它的任务是将专业的探测提示“翻译”和“打包”成一份清晰、无歧义、可执行的任务说明书。这份手册是连接“结构分析”与“分子生成”的关键桥梁。2.3 第三步LLM代理的引导式编辑有了EditManualLLM代理LLM Agent的工作就变得目标明确多了。这里的“代理”指的是一个能够调用工具、遵循多步指令的LLM系统。在这个阶段LLM Agent的提示词Prompt模板大致如下你是一个经验丰富的药物化学家。你的任务是根据以下《编辑手册》优化给定的初始分子。 初始分子 SMILES: [Initial_SMILES] 蛋白质靶点: [Target_Name] 《编辑手册》 [完整的EditManual内容] 请严格遵循手册中的指导进行思考 1. 首先分析手册中指出的核心问题和建议。 2. 然后设计一个具体的分子修改方案。你的方案必须 - 针对手册中列出的高优先级位点进行修改。 - 绝对遵守“禁止修改区域”的限制。 - 优先考虑手册中建议的化学修饰类型。 - 确保最终分子在化学上是合理的可通过化学规则检查。 3. 最终输出修改后的分子SMILES并简要说明你的修改是如何解决手册中指出的结构问题的。在这个强引导下LLM不再是漫无目的地“生成”而是进行“推理-编辑”。它会像一位化学家一样参考手册在约束范围内构思具体的化学反应或子结构替换。例如看到手册建议“将甲基替换为可形成氢键的基团”它可能会提议“将-CH3替换为-COOH羧酸或-CONH2酰胺”。由于EditManual已经过滤掉了大量不合理的方向LLM在此框架下提出的修改方案其结构合理性和与靶点兼容的成功率会显著提高。3. 核心组件与技术实现拆解要让PROBE框架从概念走向实用背后依赖几个关键的技术组件。这些组件的选型和实现细节直接决定了整个系统的效能。3.1 探测模块的工具链集成探测模块是数据的源头。一个鲁棒的PROBE系统需要集成或调用一系列专业的科学计算工具分子对接与相互作用可视化软件如AutoDock Vina, GOLD, Schrodingers Glide。用于获取初始的复合物结构并计算基础结合模式。像PLIP、LigPlot这样的工具可以自动生成详细的相互作用二维图这些图表信息可以被解析为文本描述。分子力学/分子动力学MM/MD模拟短时间的MD模拟如50-100 ps对于评估构象稳定性、发现潜在的柔性区域和碰撞非常有用。像GROMACS、OpenMM这样的工具可以集成进来模拟结果可以总结为“配体骨架在模拟过程中RMSD波动较大建议引入环化或大体积取代基以限制柔性”。可解释性AIXAI方法对于使用深度学习打分函数的场景集成如DeepSHAP、LIME等工具至关重要。它们能回答“模型为什么给这个分子打高分”的问题将黑箱预测转化为对特定原子或片段贡献度的估计为编辑提供精准指导。化学信息学库RDKit是绝对的核心。它用于处理SMILES、分子可视化、子结构匹配、官能团识别、简单的构象生成以及化学合理性检查。几乎所有从结构到文本的“翻译”工作都离不开RDKit。在实际搭建时这些工具通常被封装成一个个独立的工具函数Tool Functions并由一个编排器Orchestrator来依次调用。编排器的逻辑是先运行快速的分析如RDKit描述符计算、PLIP相互作用分析如果发现模糊或冲突的地方再触发计算量更大的分析如短MD模拟。这种分层策略保证了效率。3.2 EditManual的生成与格式化EditManual的生成器本身可以是一个经过微调的LLM如Llama 3、Qwen等7B-13B参数规模的开源模型。训练数据需要人工构造即大量“探测结果报告 对应编辑手册”的配对样本。探测报告来自上述工具链的原始输出编辑手册则需要由资深药物化学家根据报告撰写。这个微调过程的关键在于让模型学会信息过滤与优先级排序不是所有探测到的“问题”都值得修改。模型需要学会区分致命的立体碰撞和可容忍的距离偏差。专业术语的准确使用确保“氢键供体”、“π-阳离子相互作用”、“扭转角”等术语被正确使用。结构化输出严格按照预设的模板如JSON或特定的Markdown格式来组织内容方便后续的LLM Agent解析。一个高质量的EditManual应该是机器可读且人可理解的。在实践中我们常常将其定义为一种轻量级的领域特定语言DSL或结构化的JSON Schema。例如{ “optimization_goal”: “improve_binding_affinity”, “high_priority_sites”: [ { “site_id”: “R1”, “current_group”: “methyl”, “structural_issue”: “Insufficient hydrophobic filling in subpocket S1”, “suggested_actions”: [“replace_with”, “chloro”, “isopropyl”, “cyclopentyl”] } ], “protected_regions”: [“core_scaffold”, “hydrogen_bond_donor_atom: N12”], “synthetic_constraints”: [“avoid_ester_group_due_to_metabolic_instability”] }3.3 LLM代理的提示工程与迭代循环即使有了EditManualLLM Agent的提示设计也绝非一劳永逸。这里有几个重要的工程细节思维链Chain-of-Thought强制在提示中明确要求LLM输出其推理步骤“请逐步思考”这不仅能提高结果的可信度也便于在出错时进行调试。我们可以检查是推理的哪一步偏离了手册。工具调用集成一个强大的Agent不应该只输出文本。它应该能调用工具来验证自己的想法。例如在提出一个修改方案后Agent可以自动调用RDKit来检查新分子的化学有效性如价态是否正确或者调用一个快速的打分函数来预估结合能的变化。这构成了一个“提议-验证”的微观循环。多轮迭代与回溯PROBE框架通常不是一次编辑就结束的。LLM Agent根据EditManual生成一个候选分子后这个新分子会再次进入“探测”阶段生成新的分析报告和EditManual开启下一轮优化。系统需要设计一种机制来评估迭代是否带来了改进并在陷入局部最优时比如连续几轮修改都无效触发回溯或引入随机性类似于模拟退火。4. 实战应用一个虚拟的案例推演为了更具体地说明PROBE的工作流程我们虚构一个简单的案例。假设我们有一个针对激酶靶点“X”的先导化合物L-0其SMILES为Cc1ccc(NC(O)C2CCN(S(O)(O)c3ccc(C)cc3)CC2)cc1。初步对接显示它有中等活性但有待优化。步骤1初始探测我们将L-0与靶点X的晶体结构进行对接并用工具链分析。PLIP报告发现磺酰胺基团-S(O)(O)-的氧原子与蛋白骨架的NH形成了一个较好的氢键但苯环上的甲基-CH3所处的口袋S1口袋还有较大空间未被填充。RDKit构象分析连接苯环和酰胺的键可旋转在对接构象中处于一个相对高能的扭转角。简单打分函数分解提示苯环区域对结合贡献为中性有提升空间。步骤2生成EditManualEditManual生成器综合以上信息输出如下手册目标提高对激酶X的结合亲和力预测IC50降低。 高优先级编辑位点 1. S1口袋填充将苯环上的甲基-CH3替换为体积更大、疏水性更强的基团以更好地填充S1口袋。建议选项氯-Cl、三氟甲基-CF3、环丙基。 2. 连接子刚性化考虑将单键连接子-NC(O)-替换为构象更受限的环状结构如哌嗪酮或三唑环以降低结合构象的熵罚。 禁止修改区域必须保留磺酰胺基团-S(O)(O)-这是与铰链区形成关键氢键的药效团。 合成可行性建议优先考虑商业可得的硼酸酯或卤代物便于通过Suzuki偶联等反应快速构建类似物库。步骤3LLM代理引导编辑LLM Agent收到手册和L-0的SMILES。它进行推理“手册建议修改苯环上的甲基。我可以尝试用-Cl或-CF3替换。考虑到S1口袋是疏水的-CF3的疏水性更强且可能引入独特的静电相互作用我选择-CF3。”“手册还建议刚性化连接子。将酰胺连接子替换为[1,2,4]三唑环是一个常见的生物电子等排策略既能维持氢键能力又能增加刚性。”“我必须保留磺酰胺基团它没有被改动。”“最终我将-C甲基替换为-C(F)(F)F三氟甲基并将-NC(O)-片段替换为-n1cncn1-1,2,4-三唑。让我用RDKit检查一下新分子的有效性...检查通过。”LLM Agent输出新的SMILESFC(F)(F)c1ccc(Nc2ncnc2S(O)(O)c3ccc(C)cc3)cc1注此为示意实际替换可能更复杂。步骤4新一轮循环新分子L-1被送入对接和探测流程。新的PLIP报告可能显示-CF3确实更好地填充了S1口袋新增了氟-芳烃相互作用三唑环也形成了氢键网络。结合打分提升。如果仍未达到目标基于L-1的新EditManual会被生成指导下一轮更精细的优化比如调整三唑环上的取代基。5. 优势、局限与未来展望PROBE框架的核心优势在于它将基于物理的结构洞察与LLM的创造性生成能力进行了有机结合。它没有试图让LLM去学习复杂的分子力场或量子化学而是让专业工具做专业的事探测分析让LLM专注于它擅长的部分在给定的、富有化学意义的约束下进行组合式创新和推理。这极大地提高了分子优化过程的可解释性、可控性和成功率。药物化学家可以审查EditManual理解AI提出修改建议的结构依据从而更愿意信任和采纳其结果。然而这个框架也面临一些挑战和局限工具链的依赖与误差传递整个系统的质量高度依赖于前端探测工具的准确性。如果初始的分子对接构象本身是错误的那么后续的所有分析和建议都可能是在“垃圾进垃圾出”。分子对接、打分函数本身都存在误差。EditManual的生成质量将复杂的结构信息准确、无歧义地总结成文本手册本身就是一个难题。生成器模型可能会遗漏关键细节或产生误导性描述。化学空间的覆盖与泛化LLM Agent的编辑能力受限于其训练数据中的化学知识。对于非常新颖的、训练数据中少见的骨架或反应它可能无法提出可行的方案。它本质上是在已知的化学空间中进行插值和重组。计算成本每一轮迭代都涉及分子对接、可能的结构分析计算成本高于纯语言模型的生成。虽然可以通过使用快速打分函数来部分缓解但对于大规模虚拟筛选仍是一个考量。展望未来我认为类似PROBE的“引导式生成”框架会成为AI辅助药物设计AIDD的主流范式。几个可能的演进方向包括多模态模型直接集成未来的LLM可能是原生多模态的能够直接“看懂”3D分子结构图或电子密度图从而减少对中间“翻译”工具链的依赖实现更端到端的结构理解。与自动化实验平台闭环PROBE生成的分子可以直接送入自动化合成与测试平台实验数据真实的活性、溶解度等实时反馈回来用于修正探测模型和优化EditManual形成“计算设计-实验验证-模型迭代”的完整闭环。专注于特定优化任务可以开发针对特定性质如口服生物利用度、血脑屏障穿透性优化的专用PROBE变体集成相应的预测模型如ADMET预测器到探测阶段实现多目标并行优化。在我个人看来PROBE这类工作的最大价值不在于替代药物化学家而在于成为一个强大的“副驾驶”。它负责处理海量的结构数据提出基于数据的理性假设而人类专家则负责把握方向、判断化学可行性、并做出最终的决策。这种“人机协作”的模式才是加速药物发现进程的关键。毕竟最优秀的AI是那个能让我们人类专家变得更高效的AI。