재귀적 자기개선이 하는 AI, 신약·펩타이드 개발 가속화
원제 MoLRSI: A Recursive Self-Improving AI agent for Molecular Discovery
추천 17댓글 2
Key Point
신약 개발에서 AI 에이전트가 전문가 수준의 성능을 넘어 경험으로부터 자기 개선하며 재사용 가능한 전략을 축적하는 방식이 실제 실험 검증 수준에서 입증되었다.
핵심 요약
- 분자 발견에서 경쟁하는 생물학적 목표들을 균형잡으며 광대한 조합 탐색 공간을 항해해야 한다는 문제를 다룬다.
- MoLRSI는 워크플로우와 모델 아키텍처의 체계적 최적화를 교차 작업 메모리와 결합해 분자 발견용 탐색 정책을 재귀적으로 개선하는 AI 에이전트다.
- 워크플로우 성능, 개선 결과, 실행 피드백이 이후의 탐색을 안내하므로, 에이전트는 워크플로우와 그것을 개발하는 전략 모두를 개선할 수 있다.
- 항생제 개발에서 MoLRSI는 항균 활동, 세포독성, 구조적 신규성을 균형잡는 스크리닝 워크플로우를 개발했고, 15.9%의 실험 히트율을 달성했다(같은 훈련 데이터와 스크리닝 라이브러리를 사용한 이전 전문가 주도 워크플로우는 8.7%).
- 펩타이드-MHC 바인더 설계에서 표적 결합과 특이성을 함께 고려하는 워크플로우를 개발해 MART-1과 SARS-CoV-1 pMHCs를 대상으로 8개의 실험 검증된 히트를 생산했으며, 테스트된 오프타겟에 대해 선호적 결합을 보였다(Claude Science는 완전히 실패).
- 경험 기반 워크플로우 최적화가 경쟁하는 발견 목표를 다루면서 동시에 후속 캠페인에서 사용되는 탐색 전략을 개선할 수 있음을 보여준다.