治疗蛋白设计的组合奖励模型
AllThingsApx · x · 2026-07-14
这篇研究围绕**治疗蛋白设计中的 agentic loop** 展开，核心问题不是“模型能不能做”，而是**你到底在最大化什么分数**。 文中提到，`ipSAE` 更擅长预测蛋白-蛋白界面的残基定位与对齐，但真实设计目标往往更复杂，可能还包括： - 界面质量指标：如 `pDockQ`、`LIS` - 可开发性：如疏水性、黏度、溶解性 - 安全/成药性：如免疫原性、毒性 作者介绍了 NVIDIA Health 的 **Proteina-Complexa Composite Reward Model**：可以自定义不同属性及其权重，用一个组合评分函数来引导 agent 朝着不同治疗目标优化。论文还展示了，当权重变化时，agent 的策略会随之改变，从而适配不同的设计任务。