← すべてのニュース

MolRSIは研究ワークフロー自体を探索対象に:抗菌スクリーニングの湿実験ヒット率15.9%、専門家プロセスは8.7%

機械之心が報じたMolRSIは、経験誘導型の木探索で分子スクリーニングとタンパク質設計のワークフローを自動的に組み合わせる。抗菌湿実験のヒット率は自己申告で15.9%、比較対象の専門家による非エージェント型プロセスは8.7%。pMHC結合タンパク質の特異的ヒットは8対0。

公開 更新

主な変更

機械之心の2026年11月14日の報道によると(原文は論文をMoLRSI: A Recursive Self-Improving AI agent for Molecular Discoveryと表記し、arXiv番号とプロジェクトページを記載)、研究チームは分子発見におけるワークフロー設計そのものを探索対象にした。MolRSIはまず論文とコードから手法を整理して実行可能なスキルに変換し、次に経験誘導型のモンテカルロ木探索でワークフローを組み合わせ、テストし、修正する。各候補ワークフローはノードとなり、その変更が分岐を形成する。手法記憶、改善記憶、実行記憶がそれぞれワークフローの性能、変更の効果、実行経験を保存し、内ループが現在のタスクを最適化し、外ループが経験を後続タスクに持ち込む。報道によると、まず25の分子性質予測と細胞毒性タスクで経験を蓄積し、その後経験プールに入っていない6つの抗菌予測タスクに適用したところ、6タスクすべてで平均テストAUPRCが向上した。ソースタスクプールを2から25に拡大すると、回顧的分析における転移可能なワークフローの平均テストAUPRCは約0.32から約0.37に上昇し、事前経験なしの系統的探索を20ラウンド行った後の0.361を上回った。抗菌タスクでは、最終ワークフローがまず構造新規性フィルタリングを行い、次に3種類のヒト細胞毒性を予測し、2つのMiniMol構成とLANTERN–RADRのアンサンブルを55%、30%、15%の重みでランク付けし、最後に構造クラスタリングによるサンプリングで多様性を保持し、約1210万化合物から107個を実験用に選択した。MSSA MICが32 μg/mL以下を基準に17個がヒットした。人間の専門家が設計した非エージェント型プロセスは同じ訓練データとスクリーニングライブラリの下で241個を測定し21個がヒット、ヒット率は8.7%対15.9%だった。タンパク質設計側では、MolRSIはまず評価ワークフローを固定し(ESMFold2-Fast構造予測と8項目の等重みスコア、標的と非標的のペア比較で選択性を実装)、それを使って生成手法を探索した。2ラウンドのファージディスプレイ後、MART-1とSARS-CoV-1の2標的で特異性基準を満たすヒットを計8個獲得し、同条件の比較対象Claude Scienceは0だったと報じられている。ランキング段階を除くと、評価可能な479設計のうちヒットはゼロだった。

開発者への影響

エージェントワークフローを開発する人にとって、この報道で注目すべきは特定のスコアではなく、「ワークフロー」を探索可能な対象とし、タスク間の経験を明示的に保存して再利用する点だ。これは3種類のエンジニアリング判断に直接影響する。第一は記憶の境界だ。報道の利益はほぼすべてタスク間の経験継承から来ており、経験なし群も現在タスク内の記憶更新は保持している。つまり利益は「あるタスクから別のタスクへの転移」の部分に集中している。エージェントがタスク種別ごとに1〜2回しか呼ばれないなら、経験ライブラリは蓄積する間もなく、木探索の追加コストは回収しにくい。同一領域で構造の似たタスクが繰り返し現れる場合にのみ、手法記憶と修復記憶は意味を持つ。第二は評価器の先行だ。pMHC部分では先に評価ワークフローを固定してから生成を最適化し、ランキング段階を除くとヒットがゼロになった。これは報道中最も強いアブレーションのシグナルであり、生成段階の上限は「どの候補を実験に送る価値があるか判断する」段階でしばしば頭打ちになることを示す。ランカーと閾値の設計は個別に評価すべきで、最終ヒット率ひとつで概括できるものではない。第三は指標の階層だ。AUPRC、エンリッチメント因子、湿実験ヒット率、特異性基準は4つの異なる量であり、報道自身も「同一テストセット上の予測器比較」と「2つのワークフローがそれぞれ選んだ実験候補のヒット率」を区別している。異なる由来の数値を一列で比較すると誤った結論に至る。また報道は、現在の戦略改善が主に計算探索から来ており、湿実験のフィードバックはまだループに入っていないと明確に認めている。これは真の閉ループ実験エージェントではないことを意味し、読者はこれを「AIが自律的に実験する」と外挿すべきではない。

導入と評価の提案

以下は報道に基づく条件付きの提案であり、検証済みの結論ではない。第一に、ワークフローに複数モデルの重み付きアンサンブル(報道の55/30/15の3経路構成など)がある場合、まず同一ホールドアウトセットで「固定重み対探索された重み」の対照を行い、評価指標はAUPRCとtop-kエンリッチメントとし、条件はホールドアウトセットと訓練セットに重複化合物がないこと。探索された組み合わせが複数のホールドアウト分割で安定して固定重みを上回る場合にのみ、重みを探索空間に含める価値がある。そうでなければ探索はノイズに過適合するだけだ。第二に、タスク間の経験再利用にはまず「ゼロ探索」ベースラインを設ける。ソースタスクの最良設定をそのまま転移し追加探索を行わず、完全な木探索と比較する。条件は目標タスクとソースタスクのデータモダリティとラベル定義が一致すること。報道のAUPRC約0.32から0.37への回顧的曲線は経験プールの規模が結論を変えることを示すので、経験プールの規模(2、10、25ソースタスク)を横軸にして、手元の規模で利益がすでに現れているか観察すべきだ。5ソースタスク以内で向上が見られなければ、経験ライブラリにエンジニアリングコストをかける必要はない。第三に、選択性タスク(標的と非標的が少数残基しか違わない)では、「標的スコアが非標的より高い」をソフトペナルティではなくハード閾値にし、ペア比較の通過率を独立指標とする。条件は信頼できる非標的集合が存在すること。報道ではランキングを除くとヒットがゼロになり、この段階は生成モデルと一緒に調整するのではなく個別にアブレーションする価値があることが示唆される。第四に、接続前にどのコンポーネントが利用可能かを確認すべきだ。報道ではMiniMol、LANTERN–RADR、ESMFold2-Fast、SolubleMPNNなどが言及されているが、それぞれのライセンスと実行可能性は自身で確認する必要がある。報道はこれらのコンポーネントの公開範囲について説明していない。

制限と未確認事項

上記の数値はすべて機械之心の報道に由来し、独立に再現されていない。MolRSIは研究システムであり公開リリースされたモデルではない。現時点の情報では重み、コード、APIが公開されているかは示されておらず、報道は論文とプロジェクトページのみを挙げている。現在のKimiSeekオンラインカタログにもMolRSIや報道で言及された上記コンポーネントはなく、関連する可用性は論文著者とプロジェクト側の声明に依拠するしかない。抗菌ヒット率は2つのワークフローがそれぞれ選んだ実験候補に由来し、サンプル数はそれぞれ107と241であり、単回実験のパーセント差は安定した効果と見なすべきではない。タスク間経験の利益の一部は回顧的分析に由来し、著者自身もこれを回顧的証拠と位置づけている。pMHCの特異性基準は標的エンリッチメントlog2FCが4より大きく、測定した非標的の最高値より高いことであり、報道は定量的親和性とより広範な交差反応がなお後続の測定を要すると明確に述べている。比較対象Claude Scienceの0ヒットも報道上の表現であり、その対照群の実行詳細は本文では展開されていない。さらに湿実験のフィードバックはまだ改善ループに入っておらず、このシステムの自己改善は現時点では計算探索の層に限られ、これをもって実験設計の閉ループを自律的に完了できると推測することはできない。

3分で最初の呼び出しまで

登録後に API キーを作成してください。利用料金はアカウント残高から引き落とされます。初回チャージ30%オフ。¥500チャージ、お支払い ¥350、入金額 ¥500。¥1000チャージ、お支払い ¥850、入金額 ¥1000 最低チャージはこれまでどおり ¥10 で、試用にも使えます。

出典と編集方針

AI自己改科研策略,能过湿实验这一关吗?他们把RSI带入分子发现

引用元を基にAIが分析と翻訳を補助し、自動品質チェックを行っています。提案は実測結果ではありません。提供状況と料金は最新カタログをご確認ください。