LLMエージェントがバインダー設計キャンペーンの舵を取る

論文タイトル

Agentic campaign control for high-throughput de novo binder design

出典

Agentic campaign control for high-throughput de novo binder design
Progress in artificial intelligence has produced a rapidly growing ecosystem of methods for de novo protein design. With access to many specialized and often co...

要旨

T-REXは、LLMが途中経過を読んで次のジョブを提案し、決定論的なコントローラが検証して実行する枠組みです。

用語

  • キャンペーン: 1つの標的に対する、生成・再設計・評価のジョブの連なり。
  • SU(structurally unique hit): 基準を満たす設計をFoldseekでTM-score 0.6でクラスタリングしたときの、クラスタ1つ。構造が重複しないヒットの数え方です。
  • Rescue / Explore / eXploit: 救済(有望な設計の弱点を狙う)、探索(試していない手法・設定を試す)、活用(新規構造が出ている経路に追加で回す)の3方針。
  • PUCT / ε-greedy: LLMを使わない比較用の制御手法(木探索、ε-greedy法)。

解説など

背景

本論文では、BindCraft、BoltzGen、Proteína-Complexaなどのバインダー設計のツールを、どの手法を、どの設定で、有限の計算予算をどう配分して回すかに着目しています。

過去記事のClaudeによる完全自律バインダー設計では、エピトープ・足場・配列を指定せず、ツールのビルドも含めてClaudeがキャンペーンを進めました。一方T-REXは、ツールの実装・学習済み重み・行動空間をあらかじめ固定し、LLMの役割を「次に何を回すかの提案と順位づけ」に限定しています。検証と実行は決定論的コードが担い、固定した計算予算(144 GPU時間)のもとで、配分の方針だけを変えて比較できる設計が特徴です。

本論文の特徴

T-REXは、標的構造・結合部位・計算予算を入力とし、基準を満たし構造が重複しない設計の集合を出力します。

  1. 決定論的コードが、結果を要約(EvidenceSummary)し、キャンペーンを7つの状態(情報不足、停滞など)に分類します。
  2. Planner(LLM)が、根拠つきの仮説と、検証ジョブを提案します。
  3. 決定論的なCheck + Buildが、提案を検証します。未登録のツールや、範囲外のパラメータは弾きます。
  4. Supervisor(LLM)が、候補をRescue・Explore・eXploitに割り当て、順位をつけます。
  5. GPUが空くたびに、決定論的なコントローラが、入力と資源を再確認したうえで、非同期でジョブを起動します。

つまり、LLMが担うのは「提案」と「順位づけ」だけで、検証と実行は、あらかじめ決めたルールどおりに動く決定論的コードが行います。LLMはジョブを直接起動できず、標的・基準・予算も変更できません。LLMには、オープンウェイトのQwen3.6-27B-FP8を使っています。同じモデルを、別プロンプトで2役に使っています。

エージェント役割の整理

役割種別担当
PlannerLLM根拠つきの仮説(HypothesisCard)と、検証ジョブを1〜4件提案
SupervisorLLM候補をR/E/Xに割り当てて順位づけし、R/E/Xの混合比を返す
EvidenceSummary構築決定論的コード結果を要約し、キャンペーン状態を分類
Check + Build決定論的コード提案を検証し、実行可能な候補に変換
コントローラ決定論的コード空いたワーカーにジョブを非同期で起動(起動できるのはここだけ)

キャンペーンの7つの状態

決定論的な分類器が、生産性・構造の重複・ニアミス・計算量から、次のいずれか1つを割り当てます。

  • low evidence(証拠が乏しい。どれにも当てはまらないときの既定)
  • productive(新規構造が出ている)
  • productive with duplication(新規構造は出るが、重複も多い)
  • near-miss-enriched(基準にわずかに届かない設計が溜まっている)
  • stalled(新規構造が出ない状態が続く)
  • deep stall(stalledがさらに長引いた状態)
  • structural duplication collapse(構造の重複が支配的になった状態)

行動空間は、Complexaの4変種、BindCraft、BoltzGenの計6つの生成ツールと、ProteinMPNNによる配列再設計、AlphaFold2による評価です。

ヒットの基準: binder pLDDT ≥ 90、正規化iPAE ≤ 7/31、binder scRMSD < 1.5 Å

結果

7標的、144 H100ワーカーGPU時間の同一予算で比較しています。

スループット

  • T-REXは、合計1,461個のSUを得ました。全標的で、5つのベースライン(生成ツール単独3種、PUCT、ε-greedy)を上回りました。

LLMは何を提案したか(後ろ向きの事例)

LLMは、直前の結果から「何が足りないか」を読み取り、それに合わせて次のジョブを変えています。以下は、基準を満たした設計の数(通過数)で結果を示します。

標的直前の結果(状況)提案(仮説→次のジョブ)結果
HER2-AAVpLDDTを上げる設定で32設計を試したが、基準を満たす設計がない「報酬の調整ではなく、配列と骨格の相性が問題」→ 配列を作り直すジョブ(Complexa FKの配列ハルシネーション)に切り替え0/32 → 5/32、新規SU3個
CbAgoiPAEだけが基準を外れる設計が5個続いた「界面の探索が狭すぎるのでは」→ 探索の幅(beam)を4から8に広げる4/16、新規SU2個
PDL1pLDDTだけが基準を外れる親設計(iPAEとscRMSDは合格)「骨格は良く、配列を変えれば直る」→ 同じ骨格でProteinMPNNによる配列再設計14/16、新規SU1個

つまり、基準のどこで落ちているかによって、報酬の調整、探索の拡大、配列の再設計と、打ち手が変わっています。

状況に応じた配分

  • 情報が少ない状態ではExploreが74%、停滞状態ではRescueが51%、新規構造が出続ける状態ではeXploitが82%でした。

T-REXはオープンソースで公開されています。