Beyond Manual Curation: Augmenting Targeted Protein Degradation Databases via Agentic Literature Extraction Workflows
本文介绍了一种专家在环的智能体工作流，该工作流利用提示词优化技术，自动化地从科学文献中提取复杂的目标蛋白降解数据，在实现高精度的同时显著扩展了现有数据库，并捕捉了以往人工策展中丢失的关键实验背景信息。
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
想象一下，药物发现的世界就像一座庞大而混乱的图书馆。每年，科学家们发表超过 150 万本新书（研究论文），描述如何构建能够摧毁致病蛋白的微小分子机器。这些机器被称为靶向蛋白降解剂（TPDs）。
问题在于？这些书中最重要的信息——具体的配方、确切的成分以及测试结果——被锁在杂乱的段落、分散的表格中，或隐藏在书的背面（补充文件）里。目前，一支人类图书管理员团队必须阅读每一本书，找出这些细节，并将它们整理成整洁的电子表格。这个过程既缓慢又昂贵，而且他们经常遗漏细节，或者只记录“最佳”案例，而忽略了那些对学习同样重要的失败案例。
本文介绍了一位超级智能的自动化图书管理员（一个 AI 工作流），它能够比人类更快、更准确地阅读这些科学书籍，同时仍有人类专家对其工作进行核查。
以下是其工作原理，使用简单的类比说明：
1. “三角”真实性核查
为了确保他们的新 AI 图书管理员足够可靠，作者并没有仅仅让它去猜测。他们建立了一个三方对比机制，就像一场有裁判参与的“传话”游戏：
- 旧数据库：由人类图书管理员制作的现有电子表格。
- AI 的猜测：新 AI 从论文中提取的内容。
- 黄金标准：由专家级人类科学家阅读并标注的一组新论文（即“真实情况”）。
通过比较这三者，他们能够判断 AI 是否优于旧数据库，以及在与专家对比时是否真正提供了准确信息。
2. “教练与球员”系统（代理工作流）
作者并没有仅仅给 AI 一套静态指令，而是构建了一个由三个 AI“代理”组成的动态团队，在人类监督下协同工作：
- 提取器（球员）：该代理阅读论文并提取数据（如化合物名称、靶标蛋白和结果）。
- 分析员（教练）：如果提取器出错，分析员会查看原始论文和“黄金标准”，以找出失败的原因。是漏掉了某个表格？还是混淆了两个相似的化学名称？
- 优化器（训练师）：根据分析员的笔记，优化器调整提取器的指令（即“提示词”），以确保它下次不再犯同样的错误。
这是一个循环过程。AI 尝试、接受指导、学习，然后再次尝试，直到正确为止。作者将此称为CAPO（交叉验证的代理提示优化）。这就像训练一只狗：你不只是说一次，而是纠正它，让它学会规则。
3. “迁移”的魔法
团队首先仅使用七篇专家标注的论文，在分子胶（一种蛋白降解剂）上训练了这个系统。这是极少量的训练数据。
一旦系统学会了如何阅读分子胶论文，他们便做了一件巧妙的事：他们只需将指令中的“分子胶”一词替换为"PROTAC"（另一种相关但不同的降解剂类型）。他们无需重新训练整个系统。这就像教一位厨师制作巧克力蛋糕，然后只需告诉他：“现在用同样的步骤制作香草蛋糕，只需更换口味。”AI 在新类型上也完美地工作了。
4. 结果：填补空白
当他们让该 AI 处理数千篇论文时，结果令人印象深刻：
- 发现更多：AI 为分子胶数据库增加了**81%的记录，为 PROTAC 数据库增加了92%**的记录。
- 准确可靠：当专家核查 AI 的新发现时，**92%的分子胶记录和82.5%**的 PROTAC 记录是正确的。
- 发现“枯燥”的内容：旧的人工整理数据库主要记录“赢家”（强效药物），而忽略了背景信息（如测试持续时间或使用的细胞类型）。AI 恢复了所有这些缺失的背景信息，这对于希望公平比较不同研究的科学家至关重要。
5. 它未能做到什么（局限性）
该论文非常明确地指出了该工具目前无法做到的事情：
- 无法阅读图片：如果关键实验结果仅以图表或照片形式呈现（例如 Western blot 图像），而未以文字或表格形式写出，AI 就会遗漏。旧的人工数据库也遗漏了这些，但 AI 并未解决这一特定问题。
- 需要人类参与：该系统并非旨在完全取代科学家。它的设计目的是承担阅读和分类的繁重工作，而由人类来核实棘手部分。
核心结论
作者开发了一种工具，它像一位不知疲倦、超精准的科研助手。它将科学论文中杂乱无章的非结构化文本转化为清晰、有组织的数据。通过使用少量专家帮助来“教导”AI 如何阅读，他们能够将现有数据库扩展近一倍，为科学家提供更丰富、更完整的关于这些蛋白降解药物如何工作的图景。他们已发布该工具及新数据，供所有人使用。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。