论文
LipoAgent：协调微调后的LLM智能体以实现更安全的脂质设计
LipoAgent: Coordinating Fine-Tuned LLM Agents for Safer Lipid Design
摘要
脂质纳米颗粒（LNP）是临床最成熟的核酸递送平台之一，但设计既有效又生物安全的脂质仍是主要瓶颈。在实际筛选中，毒性是决策层面的约束：如果一种脂质有毒，其效率预测在临床上就无关紧要。我们提出LipoAgent，一个面向脂质发现的安全感知多智能体LLM框架。LipoAgent将领域特定微调与条件预测目标相结合，把毒性作为效率预测的前提条件，并在分歧持续存在时，通过多智能体验证和轻量级人工监督进一步提高可靠性。在多个基础模型上，与已报道的其他脂质设计模型相比，LipoAgent在mRNA转染效率预测上平均取得32%的相对提升。湿实验验证证实，虚拟筛选排名能够可靠地转化为生物转染结果。代码公开于 https://github.com/SAI-Lab-NYU/LipoAgent.git。
