自主智能体按目标定制MSA，界面DockQ全面超过AF3默认流程。
资讯摘要
论文提出一种自主智能体，将冻结的AlphaFold 3视为黑盒实验工具，针对每个目标构建生物学假设、重组MSA并迭代优化序列选择与配对，仅依赖预测器的无标签信号。作者报告在AF3训练截止后发布的三个基准共1015个蛋白-蛋白界面上，该方法在各基准上均提升界面DockQ，且平均使用比默认少60%的MSA序列；跨物种异源多聚体提升最大，FoldBench平均DockQ从0.465升至0.612。
要点速读
- 论文指出MSA深度与跨链配对的价值高度依赖目标，不存在通用最优配方。
- 智能体仅用无标签信号迭代调整序列选择与配对策略，包括刻意不配对。
- 在三个AF3训练截止后基准的1015个界面上，界面DockQ均优于默认流程与固定MSA配方，平均少用60%序列。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。