Pyrite
用于评估蛋白-配体构象排序准确性的成对构象排序基准,包含1500个构象对
时间轴 (近 90 天)
Pyrite基准包含1,500个蛋白-配体构象对,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。
在Pyrite基准上,配备3D可视化工具和基于物理打分的专家化学家对构象对的排序表现接近随机猜测。
PyriteReasoner是一个通过基于文本的推理直接比较构象对的LLM智能体。
PyriteFeaturizer是一个生成可执行代码来构建特征、用于逻辑回归的LLM智能体,并可选择性地融入由LLM子调用衍生的特征。
在Pyrite基准评估中,PyriteReasoner和PyriteFeaturizer的排序准确率分别达到67%和74%。
PyriteReasoner和PyriteFeaturizer这两个LLM智能体在构象排序准确率上均超过了观察到的专家表现。
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。
Pyrite研究得出的结论之一是:LLM引导的特征发现通常优于LLM直接推理。
全部知识事实 (8)
Pyrite基准包含1,500个蛋白-配体构象对,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。
50%待验证在Pyrite基准上,配备3D可视化工具和基于物理打分的专家化学家对构象对的排序表现接近随机猜测。
50%待验证PyriteReasoner是一个通过基于文本的推理直接比较构象对的LLM智能体。
50%待验证PyriteFeaturizer是一个生成可执行代码来构建特征、用于逻辑回归的LLM智能体,并可选择性地融入由LLM子调用衍生的特征。
50%待验证在Pyrite基准评估中,PyriteReasoner和PyriteFeaturizer的排序准确率分别达到67%和74%。
50%待验证PyriteReasoner和PyriteFeaturizer这两个LLM智能体在构象排序准确率上均超过了观察到的专家表现。
50%待验证在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。
50%待验证Pyrite研究得出的结论之一是:LLM引导的特征发现通常优于LLM直接推理。
50%