Pyrite基准:LLM智能体如何突破蛋白-配体构象排序难题

Pyrite基准含1500构象对,LLM智能体排序准确率超人类专家。
Pyrite 研究提出了一个包含 1,500 个构象对的成对排序基准,用于评估从候选结合姿态中挑选最优者的能力。专家化学家借助 3D 可视化和物理打分进行排序,准确率接近随机,凸显任务难度。研究团队开发了结构化表示 PyriteRep 和两个 LLM 智能体:PyriteReasoner 直接文本推理,准确率 67%;PyriteFeaturizer 生成代码构建特征再经逻辑回归,准确率 74%,均超越专家。关键发现是 LLM 引导的特征发现优于直接推理,且组相对策略优化(GRPO)能使开放权重模型匹配或超越闭源前沿模型。该工作将 LLM 定位为计算化学工具的协调者,为药物发现中的构象排序提供了新思路和标准化测试平台。
引言:构象排序——药物发现中的隐藏瓶颈
在小分子药物发现中,预测配体如何与靶点结合是核心问题。现代共折叠模型(cofolding models)能够生成多样化的候选构象,但如何从这些候选中可靠地排序出最优结合姿态,仍然是一个棘手的挑战。近日,一项名为 Pyrite 的研究提出了一个成对构象排序基准,并开发了基于大语言模型(LLM)的智能体,在排序准确率上超越了人类专家水平。

共折叠模型(cofolding models) 是一类新兴的蛋白质-配体复合物结构预测方法,其核心思想是将蛋白序列和配体分子图联合输入深度学习模型,直接生成复合物的三维结构。代表性工作包括 AlphaFold3 和 RoseTTAFold All-Atom 等。与传统的分子对接(docking)不同,共折叠模型不依赖刚体假设和预定义打分函数,而是通过端到端学习来捕捉结合界面的柔性。然而,这类模型通常生成多个候选构象(pose),且缺乏可靠的置信度排序机制,因此如何从候选中挑选最接近真实结合模式的姿态,成为下游应用的关键瓶颈。Pyrite 基准正是针对这一排序环节设计的评测工具。
Pyrite基准:1500个构象对的严苛测试
Pyrite 基准包含 1,500个构象对,覆盖多样化的蛋白-配体复合物。每个构象对要求判断两个候选姿态中哪一个更接近真实结合模式。这一设计直接模拟了药物发现流程中从大量生成构象中筛选优质候选的实际需求。
基准的独特之处在于其难度设置。研究团队邀请专家化学家,配备3D可视化工具和基于物理的打分,对构象对进行排序。结果显示,这些专家的表现接近随机猜测。这一发现凸显了从现有化学信号中解读结合优劣的固有困难——即使对于训练有素的化学家,视觉和能量指标也往往不足以揭示微妙的结合差异。
PyriteRep:结构化表示与LLM智能体
为了探索自动化排序,研究团队引入了 PyriteRep——一种对分子几何、蛋白-配体相互作用以及物理化学分数的结构化表示。基于此,他们开发了两个LLM智能体:
- PyriteReasoner:通过基于文本的推理直接比较构象对。
- PyriteFeaturizer:生成可执行代码来构建特征,用于逻辑回归,并可选择性地融入由LLM子调用衍生的特征。
在评估中,这两个智能体的准确率分别达到 67% 和 74%,均超过了观察到的专家表现。这一结果不仅证明了LLM在构象排序任务上的潜力,也揭示了不同方法之间的效率差异。
组相对策略优化(GRPO, Group Relative Policy Optimization) 是一种强化学习算法,由 DeepSeek广告 团队提出,用于微调大语言模型。其核心思想是对同一输入采样一组(group)输出,以组内奖励的相对大小作为优势估计,从而避免训练独立的价值网络(critic),显著降低显存和计算开销。GRPO 特别适合奖励信号稀疏或难以定义绝对值的任务。在 Pyrite 研究中,GRPO 被用于提升开放权重模型在构象排序上的表现,使其能够匹配甚至超越闭源前沿模型,这为学术团队利用有限算力复现和超越商业模型提供了可行路径。
关键发现:特征发现优于直接推理
研究中最引人注目的结论之一是:LLM引导的特征发现通常优于直接推理。PyriteFeaturizer 通过生成代码来提取和组合特征,再交由逻辑回归分类器进行排序,这种“LLM生成特征+传统模型”的混合策略表现最佳。相比之下,PyriteReasoner 虽然完全依赖LLM的文本推理能力,但也取得了可观的准确率,只是略逊一筹。
另一个重要发现涉及训练策略。组相对策略优化(GRPO) 能够显著提升开放权重模型的表现,使其在评估中匹配甚至超越闭源前沿模型。这意味着,通过适当的强化学习微调,开源模型完全有能力在专业科学任务上达到顶尖水平,这对于降低计算成本和促进可重复研究不能忽视。
逻辑回归(logistic regression) 是一种经典的线性分类模型,通过 sigmoid 函数将输入特征的线性组合映射为概率,常用于二分类任务。在 Pyrite 的排序任务中,逻辑回归被用作顶层分类器,输入是 PyriteFeaturizer 生成的结构化特征(如分子几何描述符、相互作用类型计数、物理化学分数等)。逻辑回归的优势在于可解释性强、训练高效且不易过拟合,适合小规模基准(1500 个样本)。LLM 生成代码来构建特征,再由逻辑回归进行排序,这种混合策略将 LLM 的语义理解与经典模型的稳健性结合,成为表现最佳的方法。
行业启示:LLM作为计算化学工具的协调者
Pyrite 的研究结果将构象排序确立为一个具有挑战性的测试任务,同时指出了一条有前景的技术路线:LLM引导的特征发现。这种方法不是让LLM直接给出答案,而是让LLM生成代码来构建特征,从而解释和组合计算化学工具的输出。这为AI在科学发现中的角色提供了新思路——LLM充当计算工具的“协调者”和“翻译者”,而不是替代传统物理模型。
对于药物发现领域,这意味着我们可以利用LLM自动发现和组合来自不同来源的化学信号,构建更稳健的排序模型。同时,开放权重模型通过GRPO等方法的提升,也为资源有限的研究团队提供了追赶前沿的可能。Pyrite 基准本身则提供了一个标准化的测试平台,未来可以用于评估更多构象排序方法,推动该领域持续进步。
结语
Pyrite 不仅是一个基准,更是一次对LLM在复杂科学推理中能力的检验。它表明,在专家都难以判断的构象排序任务上,LLM智能体通过特征发现和代码生成可以取得实质性突破。随着开放权重模型的持续进步,我们有理由期待更多类似的方法涌现,加速小分子药物发现的智能化进程。
相关推荐

Claude Mythos 5.2 与 Fable 5.2 错误率异常升高
Claude Mythos 5.2 和 Claude Fable 5.2 出现请求错误率异常升高,官方状态页已标记为调查中。本文梳理事件概况、对开发者的实际影响及应对建议。

ReAct运行时上下文裁剪:Claude Code为何70%就动手
深入解析ReAct运行时的上下文裁剪机制:为什么Claude Code在上下文使用约70%时就触发压缩,工具调用为何占用最多、为何必须成组丢弃,以及代码库为何不需要RAG。基于B站小福哥《分币不掏,学习AI Agent开发》第17节整理。

AI Agent vs LLM:Cursor和Claude Code如何真正工作
深入解析AI Agent与LLM的本质区别:LLM生成代码建议,Agent则通过工具调用修改文件、运行测试。以Spring Boot Bug修复为例,拆解Cursor和Claude Code的工作流、权限控制与验证机制。