Pepti-Agent：用于肽设计和优化的人工智能代理

治疗性肽在小分子和生物制剂之间占据了宝贵的设计空间，但它们的开发需要同时满足几个相互竞争的限制：溶解度、溶血活性和非特异性表面污染受重叠序列特征的控制，因此改善一种特性通常会降低另一种特性。计算设计通过将生成模型与基于序列的属性预测器配对，迭代地提出和完善候选模型来解决这个问题。然而，这些组件通常作为难以检查、扩展或重用的整体脚本连接在一起，并且它们通常通过自然语言推理来细化序列，而不是通过跟踪每个候选者不断变化的多属性状态。我们提出了 Pepti-Agent，这是一种闭环、特定于肽的框架，它将生成、属性预测和单残基突变作为独立可检查的模型上下文协议 (MCP) 工具。 大语言模型 控制器调用这些工具并在调用之间咨询实时预测器输出，因此细化是由每个序列的当前属性配置文件而不是单独的语言推理来指导的。特定任务的 PeptideGPT 模型生成候选序列，基于 ProtBERT 的分类器对溶解度、溶血和无污染进行评分，两个可互换的突变算子提出序列编辑。通过记录控制器决策、预测器输出和接受突变的每步跟踪，Pepti-Agent 提供了可重复的基质，用于对多目标设计策略进行基准测试以及对实验验证的候选对象进行优先排序。