Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

MADD: Multi-Agent Drug Discovery Orchestra

Created by
  • Haebom
Category
Empty

저자

Gleb V. Solovev, Alina B. Zhidkovskaya, Anastasia Orlova, Nina Gubina, Anastasia Vepreva, Rodion Golovinskii, Ilya Tonkii, Ivan Dubrovsky, Ivan Gurev, Dmitry Gilemkhanov, Denis Chistiakov, Timur A. Aliev, Ivan Poddiakov, Galina Zubkova, Ekaterina V. Skorb, Vladimir Vinogradov, Alexander Boukhanovsky, Nikolay Nikitin, Andrei Dmitrenko, Anna Kalyuzhnaya, Andrey Savchenko

개요

MADD는 자연어 질의로부터 맞춤형 hit identification 파이프라인을 구축하고 실행하는 multi-agent system입니다. 4개의 협력적 에이전트를 사용하여 de novo 화합물 생성 및 스크리닝의 주요 하위 작업을 처리합니다. 7개의 약물 발견 사례에서 기존 LLM 기반 솔루션보다 우수한 성능을 보였으며, AI-first drug design을 5개의 생물학적 표적에 적용하여 hit 분자를 공개했습니다. 또한, 약물 설계를 위한 에이전트 기반 미래에 기여하기 위해 3백만 개 이상의 화합물에 대한 질의-분자 쌍과 도킹 점수를 포함하는 새로운 벤치마크를 제시합니다.

시사점, 한계점

시사점:
LLM의 해석력과 전문화된 모델 및 도구의 정확성을 결합한 multi-agent system을 통해 접근성 향상.
기존 LLM 기반 솔루션 대비 우수한 성능 입증.
AI-first drug design 적용을 통해 새로운 hit 분자 공개.
약물 설계 분야의 벤치마크 제공.
한계점:
논문에서 구체적인 한계점은 제시되지 않음.
👍