BioScientist Agent：用于药物重定位和作用机制解析的知识图谱增强型 LLM 生物医学代理技术报告
一、项目概述
药物研发是一个周期长、成本高的过程，平均需要超过 10 年时间和 20 亿美元才能将一种新药推向市场，且 90% 以上的候选药物最终失败(1)。这种低成功率主要归因于对疾病机制理解的不足和药物作用机制的复杂性。为了应对这些挑战，人工智能技术特别是基于大语言模型 (LLM) 和知识图谱的方法正在药物研发领域展现出巨大潜力。
BioScientist Agent 是一个整合十亿级事实生物医学知识图谱（RTX-KG2）的端到端框架，专为药物重定位和作用机制解析而设计。该框架结合了变分图自编码器 (VGAE)、对抗性 actor-critic 强化学习 (ADAC) 和大语言模型 (LLM) 多代理系统，能够高效识别潜在的药物 - 疾病关联并提供可解释的机制路径(2)。与传统方法相比，BioScientist Agent 不仅提高了预测准确性，还提供了可解释的生物学机制，为药物研发提供了新的范式。
本报告详细介绍 BioScien
)
