🧬 biology

SEISMO: Increasing Sample Efficiency in Molecular Optimization with a Trajectory-Aware LLM Agent

本文提出了 SEISMO，一种基于轨迹感知的大语言模型智能体，它通过在线利用完整优化轨迹及结构化反馈信息，在无需批量学习的情况下显著提升了分子优化的样本效率，在基准测试中表现远超现有方法。

原作者： Fabian P. Krüger, Andrea Hunklinger, Adrian Wolny, Tim J. Adler, Igor Tetko, Santiago David Villalba

发布于 2026-02-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Fabian P. Krüger, Andrea Hunklinger, Adrian Wolny, Tim J. Adler, Igor Tetko, Santiago David Villalba

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

这篇论文介绍了一个名为 SEISMO 的新工具，它就像是一位超级聪明的“分子炼金术士”助手，专门帮科学家设计新药分子。

为了让你轻松理解，我们可以把“设计新药”想象成在一个巨大的、黑暗的迷宫里寻找一颗完美的“魔法宝石”。

1. 以前的困境：盲人摸象与昂贵的探路费

迷宫太大：化学世界里可能的分子数量多得像宇宙中的星星（约 $10^{60}$ 种），根本不可能一个个试。
探路费太贵：每设计一个分子，科学家都需要去实验室做实验（或者用超级计算机模拟）来测试它好不好用。这个测试过程就像**“付一次昂贵的门票”**。
旧方法的笨拙：以前的方法（比如强化学习或遗传算法）有点像**“一群猴子在乱撞”**。它们每次都要试一大堆分子（比如一次试 100 个），然后看哪几个稍微好一点点，再根据结果调整下一轮。
- 缺点：如果“门票”很贵，这种“批量试错”的方法太浪费钱了。而且它们往往记不住之前的教训，像金鱼一样，每次都要重新摸索。

2. SEISMO 的绝招：一位“全知全能的侦探”

SEISMO 不一样，它不是一个笨拙的群体，而是一位拥有超级大脑的“侦探”（基于大语言模型 LLM）。

单兵作战，步步为营：它不需要一次试一堆。它每次只设计一个分子，去测试，然后立刻根据结果调整下一个。这就像侦探每走一步都立刻分析线索，而不是等走了一百步再回头想。
全知视角的“记忆”：这是它最厉害的地方。以前的方法可能只记得“刚才那个分数是 80 分”，但 SEISMO 记得整个探险过程。
- 它记得：“哦，上次那个分子因为太重了（分子量太大）被扣分了。”
- 它记得：“上次那个分子因为结构太奇怪，被说‘不像药’（QED 分数低）。”
- 它甚至记得：“上次那个分子虽然分数高，但解释器（AI 解释工具）说，是因为它多了一个硫原子才变好的。”
像人一样思考：它不仅仅看数字，还能读懂**“为什么”**。如果测试员告诉它：“这个分子不好，因为它的形状像个方块，而我们需要一个球体。”SEISMO 就能理解这个逻辑，并在下一个分子里把“方块”改成“球体”。

3. 核心比喻：从“猜谜”到“有提示的解谜”

想象你在玩一个猜词游戏：

以前的方法：你猜“苹果”，裁判说“不对，得分 50"。你猜“香蕉”，裁判说“不对，得分 60"。你只能盲目地猜，直到猜中为止。
SEISMO 的方法：
- 你猜“苹果”，裁判说：“不对，得分 50。提示：这个词是红色的，但它是水果，不是蔬菜。”
- 你猜“香蕉”，裁判说：“不对，得分 60。提示：这次方向对了，但它是黄色的，而且形状是弯的。”
- SEISMO 会立刻把这些提示（解释）记在脑子里，结合它读过的所有百科全书（训练数据中的化学知识），马上猜出：“哦！我知道了，是草莓！”

4. 实验结果：快得惊人

论文在 23 个不同的“寻宝任务”中测试了 SEISMO：

效率翻倍：以前的方法可能需要试几千次才能找到好分子，SEISMO 往往在50 次以内就找到了接近完美的答案。
省钱省力：因为它试的次数少，所以省下了巨额的实验费和计算时间。
越解释越聪明：实验发现，如果给 SEISMO 更多的“解释”（比如告诉它具体哪个原子导致了问题），它找得更快、更准。

5. 总结：为什么这很重要？

在制药行业，时间就是生命，金钱就是资源。

SEISMO 就像给科学家配了一位**“超级实习生”**。这位实习生：

不用培训：直接就能用（不需要重新训练模型）。
过目不忘：记得每一次失败的教训。
懂行：利用它读过的所有化学书，知道什么样的分子结构是合理的。
听得懂人话：能理解复杂的反馈，而不仅仅是数字。

一句话概括：SEISMO 把新药研发从“盲目乱撞的撞大运”，变成了“有逻辑、有记忆、有提示的精准导航”，让科学家能用最少的实验次数，最快找到最好的药。

1. 研究背景与问题定义 (Problem)

核心挑战：
在药物发现和化学科学中，分子优化（即寻找具有特定理想性质的分子结构）是一个关键瓶颈。传统的优化方法面临以下主要限制：

评估成本高昂： 真实的分子性质评估通常依赖实验（如生物测定），成本高且通量低。
样本效率低： 现有的基于强化学习（RL）或遗传算法（GA）的方法通常需要数千次评估（Oracle calls）才能收敛到高性能分子，这在昂贵的实验场景下是不切实际的。
黑盒搜索局限： 大多数现有方法将优化视为纯黑盒搜索，仅依赖标量分数（Scalar scores），忽略了丰富的领域知识（如化学结构 - 性质关系）和可解释的反馈信息。

目标：
开发一种高样本效率的分子优化方法，能够在极少的评估次数（例如 50 次以内）内找到接近最优的分子，并充分利用可用的化学先验知识和结构化反馈。

2. 方法论：SEISMO (Methodology)

作者提出了 SEISMO（Sample-Efficient Inference-Stage Molecular-Optimization agent），这是一种基于大语言模型（LLM）的代理，其核心创新在于**严格在线（Strictly Online）和轨迹感知（Trajectory-Aware）**的优化机制。

2.1 核心架构

SEISMO 不使用传统的批量训练或种群进化策略，而是将优化过程完全置于 LLM 的推理（Inference）阶段：

状态定义： 优化状态由完整的优化轨迹 $H_t$ 定义，包含历史提议的分子、对应的分数以及解释性反馈。
迭代过程：
1. 生成 (Generation)： LLM 根据任务描述 $d$ 和历史轨迹 $H_{t-1}$ 生成一个新的分子（SMILES 字符串）及其理由。
2. 评估 (Oracle Call)： 分子被送入评估器（Oracle），返回标量分数、子分数分解以及（可选的）结构化解释。
3. 更新 (Update)： 新的 $(分子，反馈)$ 对立即追加到历史轨迹中，LLM 在下一次迭代中直接利用这一更新后的上下文进行推理。
无训练/无微调： SEISMO 直接利用预训练 LLM 中编码的化学和生物先验知识，无需针对特定任务进行微调。

2.2 信息利用机制

SEISMO 的关键在于如何向 LLM 提供信息，论文设计了三种信息层级：

任务描述 (Task Description)： 明确优化目标（如“最小化 IC50"）。
标量分数 (Scalar Scores)： 传统的评估结果。
解释性反馈 (Explanatory Feedback)： 利用事后解释技术（如 SHAP）提供结构化解释。
- QED 解释： 指出哪些分子属性（如分子量、logP）导致了分数下降。
- IC50 解释： 指出哪些子结构（Substructures）对活性有正向或负向贡献。
- 共折叠解释： 在蛋白质 - 配体结合任务中，提供靠近配体的氨基酸残基及其置信度。

2.3 工作流程

系统基于 LangGraph 构建，包含五个节点：生成、解析（JSON 提取）、验证（SMILES 有效性检查）、预测（Oracle 调用）和最终化（生成优化总结）。这种闭环设计确保了 LLM 能基于完整的上下文进行因果推理。

3. 主要贡献 (Key Contributions)

提出 SEISMO 框架： 首次将 LLM 作为纯粹的推理时优化器，通过条件化于完整优化轨迹，实现了真正的在线、单步更新优化，打破了传统方法对批量更新的依赖。
引入解释性反馈作为控制信号： 证明了将事后解释（XAI）转化为自然语言反馈，能显著提升 LLM 的样本效率。这不仅是给人看的，更是给机器作为优化信号使用的。
全面的基准测试： 在 Practical Molecular Optimization (PMO) 基准（23 个任务）以及更具挑战性的药物发现代理任务（如 SARS-CoV-2 Mpro 抑制剂发现、共折叠结合亲和力预测）上进行了广泛验证。
消融研究： 详细分析了任务描述、子分数和解释性反馈对性能的影响，揭示了不同信息源在优化过程中的具体作用。

4. 实验结果 (Results)

4.1 PMO 基准测试表现

在包含 23 个任务的 PMO 基准上，SEISMO 表现出压倒性的优势：

样本效率提升： 在仅 50 次 Oracle 调用内，SEISMO 的优化曲线下面积（AUC）比最强的基线方法（如 REINVENT, Graph-GA, GP BO）高出 2-3 倍。
- SEISMO 50 次调用总 AUC: 19.85 vs 基线最高 7.06。
- 50 次调用后的最佳得分：SEISMO 21.18 vs 基线 8.18。
快速收敛： SEISMO 往往在 50 次调用内就能达到任务最大分的 90% 以上，而传统方法通常需要数千次调用才能达到类似水平。
鲁棒性： 即使在限制 LLM 仅在头 50 次调用中生成分子，而让基线方法运行 10,000 次调用的情况下，SEISMO 的 50 次结果依然优于基线在 10,000 次后的结果。

4.2 信息层级影响 (Ablation Study)

任务描述至关重要： 如果没有明确的任务描述（仅作为黑盒），性能会大幅下降，证明 LLM 需要利用预训练知识来理解目标。
解释性反馈的增益： 随着反馈信息的丰富（从仅分数 -> 子分数 -> 完整解释），样本效率显著提升。
- 在 SARS-CoV-2 Mpro 抑制任务中，提供完整解释（Full Explanation）的变体比无解释变体更快收敛到低 IC50 值。
- 解释性反馈帮助 LLM 理解“为什么”某个分子得分低，从而指导具体的结构修改（如“减少旋转键”、“增加硫原子”）。

4.3 复杂场景：共折叠 Oracle

在使用昂贵的 Boltz-2 模型进行蛋白质 - 配体共折叠预测的任务中：

SEISMO 能够利用结合亲和力概率作为信号进行优化。
对于未知靶点（无已知配体），仅提供蛋白质序列不足以显著提升性能，但提供靠近配体的氨基酸残基（结构化解释）能显著改善优化效果。这表明 LLM 能有效利用局部结构信息来指导生成。

5. 意义与影响 (Significance)

重新定义分子优化范式： 论文证明了在昂贵的实验或高保真模拟场景下，利用 LLM 的推理能力和先验知识，可以替代传统的“试错”式批量搜索。将优化从“学习策略”转变为“基于上下文的推理”是样本效率的关键。
可解释性即控制信号： 研究揭示了事后解释（XAI）在自动化科学发现中的新用途：它们不仅是人类理解模型的桥梁，更是机器优化过程中的直接控制信号，指导 LLM 进行定向的结构编辑。
实际药物发现价值： 由于 SEISMO 能在极少的评估次数内找到高质量分子，它极大地降低了早期药物发现中昂贵的实验筛选成本。该方法无需微调，易于部署到新的靶点或任务中。
未来展望： 随着 LLM 在化学推理、因果推断和长程规划能力的提升，SEISMO 框架的性能有望自然扩展，无需改变底层算法即可适应更复杂的分子设计需求。

总结：
SEISMO 通过利用 LLM 的轨迹感知能力和丰富的领域先验知识，结合结构化解释反馈，成功解决了分子优化中样本效率低下的核心痛点。它在极少的评估次数下实现了超越传统强化学习和进化算法的性能，为昂贵的药物发现流程提供了一种高效、智能的决策支持工具。