🤖 machine learning

DrugSAGE:Self-evolving Agent Experience for Efficient State-of-the-Art Drug Discovery

DrugSAGE は、検証済みスキル、効果的な戦略、エラー修正などのタスク横断的な経験を蓄積・再利用して最先端の創薬モデルを効率的に構築する自己進化型エージェントフレームワークであり、新たなタスクにおける高コストな探索の必要性を低減または排除することで既存のエージェントを大幅に凌駕します。

原著者： Yikun Zhang, Xiwei Cheng, Tianyu Liu, Yuanqi Du, Wengong Jin

公開日 2026-05-18

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Yikun Zhang, Xiwei Cheng, Tianyu Liu, Yuanqi Du, Wengong Jin

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

特定の難しいレシピのために完璧なケーキを焼こうと想像してみてください。創薬の世界において、この「ケーキ」とは、新しい薬が人体でどのように振る舞うかを予測するコンピュータモデルのことです。

現在、科学者が新しいレシピ（新しい薬物特性）のためのケーキを焼こうとする場合、通常はゼロから始めます。どの材料を使うか推測し、オーブンの温度を試し、生地の味見をし、失敗して、最初からやり直す必要があります。たとえ 100 種類のレシピのために 100 個のケーキを焼いたとしても、最初のケーキから得た教訓のほとんどを捨ててしまうことがよくあります。彼らは新しいレシピをすべて全く新しい謎として扱い、すでに知っていることを再学習するために時間とお金を浪費しています。

DRUGSAGEは、ルールを変える新しい「賢い Baker」（AI エージェント）です。失敗と成功を忘れるのではなく、焼くケーキが増えるごとに賢くなる巨大で進化し続けるレシピ帳を保持します。

その仕組みを簡単な部分に分解して説明します。

1. 「レシピ帳」（メモリ）

ほとんどの AI エージェントは短期記憶しか持っておらず、昨日何をしたかを忘れます。しかし、DRUGSAGE は 3 つの特定のセクションで構成される長期記憶を持っています。

「勝利レシピ」（解決策メモリ）： 過去に類似のタスクで最も機能した材料の組み合わせ（モデルと学習手法）を記憶します。
「シェフのメモ」（改善メモリ）： なぜ変更が機能したかを記憶します。例えば、「オーブンの温度を 10 度下げたところ、ケーキがよりよく膨らんだ」といった具合です。
「災害ログ」（実行メモリ）： キッチンに火災を引き起こしたもの（コードエラー、メモリクラッシュなど）と、次回それをどのように修正するかを正確にリスト化して保持します。

2. 「賢い探索」（最適なモデルを見つける方法）

DRUGSAGE が新しいケーキを焼くよう求められたとき、ランダムに推測するだけではありません。それはMCTS（モンテカルロ木探索）と呼ばれる戦略を使用します。これは、可能なレシピの森を探索するようなものです。

メモリなしの場合： エージェントは森全体を歩き回り、行き止まりにつながる道さえも試します。
DRUGSAGE の場合： 森に足を踏み入れる前に、レシピ帳を確認します。「このケーキに似たものの場合、前回『チョコレートチップ』の道が非常にうまくいった」と言います。行き止まりをスキップし、有望な道へ直接進みます。
保証： この論文は数学的に証明しており、過去のこの「カンニングペーパー」を使用しても、エージェントは最終的に絶対的に最良の解決策を見つけることが保証されており、単にそれがはるかに速くなることを示しています。

3. 「ゼロ探索」のスーパーパワー

これが最も印象的なトリックです。新しいレシピが古いものと非常に似ている場合、DRUGSAGE は一切焼く必要がないことがあります。

シナリオ： 薬が水にどのように溶解するかを予測するよう求められ、すでに薬が油にどのように溶解するかという非常に類似した問題を解決していた場合、「答えはすでに知っている。油のタスクからの勝利レシピをそのままコピーしてここで使おう」と言うかもしれません。
結果： 追加のテストや探索をゼロで行って、トップクラスの解決策を提供します。これは、レモンタルトを作るよう求められたシェフが、昨日完璧なライムタルトを作ったことに気づき、果物だけを交換して数時間の作業を節約するようなものです。

結果：機能しましたか？

著者らは、この「賢い Baker」を33 種類の異なる創薬課題（毒性の予測、溶解性、タンパク質への薬の結合のしやすさなど）でテストしました。

単独パフォーマンス： 助けなしに一人で働くことを強いられた場合でも、DRUGSAGE は他のすべてのトップ AI エージェントを打ち負かしました。
チームワークパフォーマンス： 16 の小さなタスクからのメモリを使用して、17 の新しいより困難なタスクを支援することが許可された場合、競合他社を圧倒しました。
大きな勝利： 「ゼロ探索」モード（テストなしで過去の解決策をコピーするだけ）では、答えを見つけるために数時間を費やしたことを許可された他のエージェントよりも優れていました。競合他社がはるかに激しく働いていたにもかかわらず、10% から 30% 優れていました。

要約

DRUGSAGE は学ぶことを学ぶAI です。すべての創薬問題を新たな出発点として扱うのではなく、すべての問題を次のものをより容易にする教訓として扱います。それは「検証済みのスキル」と「証明された修正」のライブラリを構築し、これにより、以前のどのシステムよりも複雑な薬の問題を、より速く、安く、かつ正確に解決することを可能にします。

技術概要：DRUGSAGE

問題定義

創薬における最先端（SOTA）予測モデルの構築は、高コストな探索問題である。現在の大規模言語モデル（LLM）ベースのエージェントは、ツール、アーキテクチャ、学習戦略を網羅的に探索することで SOTA 性能を達成し得る。しかし、これらのエージェントは通常、各タスクを孤立した問題として扱い、タスクが完了すると、有効な特徴量設計、学習レシピ、またはエラー修正など、蓄積されたすべての探索経験を見捨てる。その結果、彼らは創薬分野で見られる数千の多様な予測問題すべてにおいて SOTA モデル開発を拡張することが困難となる、新たなタスクごとに完全な計算コストとトークン探索コストを支払わなければならない。

手法

著者は、創薬モデルを効率的に構築するために、タスク間で経験を蓄積し再利用するフレームワークであるDRUGSAGE（Self-evolving AGent Experience：自己進化型エージェント経験）を提案する。このシステムは、以下の 3 つの主要コンポーネントを通じて動作する。

1. 実行可能スキルライブラリ（ $K$ ）

予算付き探索が始まる前に、探索エージェントが文献や GitHub リポジトリを探索することで、共有されたスキルライブラリを構築する。このプロセスには以下が含まれる：

発見：複数の専門家視点から文献をクエリし、関連する論文やリポジトリを特定する。
グラウンディング：リポジトリをクローンし、抽象構文木（AST）のスナップショットを抽出して、LLM がコード内で観測された記号のみを使用することを保証する。
検証：構文、インポート解決、サンドボックス内でのエンドツーエンド実行などの階層化されたチェックを自動修復付きで実行する。検証されたスキルのみが $K$ に追加される。

2. 跨タスク経験メモリ（ $Z$ ）

DRUGSAGE は、過去のタスクからの証拠を保存する永続的メモリ $Z = (R, H, Q)$ を維持する：

ソリューションメモリ（ $R$ ）：アーキテクチャ、ハイパーパラメータ、検証スコアを含め、異なるタスクにわたるモデルファミリーおよび特定ソリューションの性能を記録する。
洗練メモリ（ $H$ ）：LLM によって提案された編集、根拠、および親ノードと子ノード間の性能差分など、探索ツリー内のエッジに関する情報を保存する。
実行メモリ（ $Q$ ）：実行失敗、検証済み修正、リソースプロファイル（実行時間/メモリ）、および環境トレースを記録し、将来の実行中に迅速な修復を可能にする。

3. 経験条件付き探索

探索予算（ $B > 0$ ）が利用可能な場合、コア探索ループは**メモリ強化モンテカルロ木探索（MCTS）**を利用する。メモリ $Z$ は以下の 4 つの段階を導く：

ルート選択：メモリ強化版の上限信頼区間（UCB）ルールを使用してモデルファミリーを選択し、現在のタスク性能と歴史的転移スコアのバランスを取る。著者は、この修正が標準的な UCB の $O(|F| \log T)$ 後悔限界を保持することを証明している。
親サンプリング：ターゲットタスクの性能、拡張の広さ、および歴史的性能に基づいて、展開する特定の親ソリューションを選択する。
子生成：LLM が $H$ によってグラウンディングされた編集を提案し、類似した過去のタスクから関連する根拠と成功したレシピを取得する。
実行と修復： $Q$ を使用して環境を準備し、既知のエラーに遭遇した際に即座に検証済み修正を適用する。

4. ゼロテスト時間探索（DRUGSAGE-ZERO）

探索予算がゼロ（ $B=0$ ）の場合、システムは探索を完全に回避する。タスク署名（タスクタイプ、指標、データセットサイズ、記述埋め込み）を形成してメモリ $Z$ 内の類似タスクを特定する。最も類似した歴史的タスクから最良の検証済みソリューションを取得し、それを新しいターゲットに直接展開する。

主要な貢献

フレームワーク設計：MCTS ベースの探索ループに跨タスクメモリを統合する自律エージェント DRUGSAGE の導入。著者は、メモリ強化された選択ポリシーが標準的な UCB の後悔限界を保持することを形式的に保証している。
自動化されたスキル発見：ユーザー提供モデルやトップリーダーボードモデルを洗練させる先行研究（例：Autoresearch）とは異なり、DRUGSAGE は文献やリポジトリを探索することでスキルライブラリを自動的に構築し、人間がキュレーションした出発点の必要性を排除し、探索空間を拡大する。
ゼロテスト時間効率：跨タスクメモリが「ゼロテスト時間探索」レジームを可能にすることを示す。DRUGSAGE-ZERO は、20 回の探索反復を行うベースラインエージェントを上回る性能を発揮し、テスト時に探索を行わずに検証済みソリューションを新しいタスクへ転移する。

実験結果

このフレームワークは、Therapeutic Data Commons（TDC）および Polaris Hub の 2 つのベンチマークにわたる 33 の分子特性予測タスクで評価された。

単一タスク設定：跨タスクメモリなしでゼロからソリューションを構築するエージェントの設定において、DRUGSAGE は 9 つの SOTA エージェント（Autoresearch、STELLA、Biomni などを含む）の中で平均順位 1.95、22 タスク中 10 タスクで 1 位となり、最上位にランクインした。
跨タスク設定：16 の小規模タスクから蓄積されたメモリを使用して、DRUGSAGE は 17 のホールドアウトタスクで評価された。
- DRUGSAGE-ZERO（ $B=0$ ）：17 のホールドアウトタスクで平均正規化スコア0.935を達成し、最大 20 回の探索ステップを利用したすべてのベースラインエージェントを**10–30%**上回った。
- 効率性：DRUGSAGE-ZERO はテスト時にほぼゼロの LLM API コストしか発生させなかったのに対し、ベースラインは反復的な探索のために莫大な計算リソースとトークン予算を必要とした。
- 性能：特定のケース（例：溶解度および CYP2D6 阻害）において、ゼロショット転移ソリューションは DRUGSAGE の完全な探索バージョンを上回り、転移された戦略が、予算内でエージェントがゼロから発見できたものよりも優れていたことを示唆している。

意義と主張

本論文は、創薬における効率的な SOTA モデル開発において跨タスクメモリが明確な優位性を示すことを主張している。各タスクを将来のタスクのためにエージェントを豊かにする経験として扱うことで、システムは探索空間を狭め、場合によっては探索を完全に回避することができる。この研究は、多くの創薬タスクが（入力/出力構造、特徴量設計の必要性などの）構造的類似性を共有しており、現在のエージェントがこれを見過ごしていることを強調している。また、検証済みスキルと統計的証拠を蓄積することで、反復的な試行錯誤の完全なコストを負うことなく、新しい問題への迅速な適応が可能になることを示している。著者は、このフレームワークは主に創薬でテストされているが、構造化された跨タスク経験を蓄積するというアプローチは、他の科学研究分野にも一般化可能であると指摘している。