[论文解读] Sparks: Multi-Agent Artificial Intelligence Model Discovers Protein Design Principles

Alireza Ghafarollahi, Markus J. Buehler|ArXiv.org|Apr 26, 2025

Protein Structure and Dynamics被引用 6

一句话总结

Sparks 是一个多智能体 AI 系统，在没有人类输入的情况下，自动进行假设生成、实验设计和迭代改进，发现蛋白质设计的一般原理。

ABSTRACT

Advances in artificial intelligence (AI) promise autonomous discovery, yet most systems still resurface knowledge latent in their training data. We present Sparks, a multi-modal multi-agent AI model that executes the entire discovery cycle that includes hypothesis generation, experiment design and iterative refinement to develop generalizable principles and a report without human intervention. Applied to protein science, Sparks uncovered two previously unknown phenomena: (i) a length-dependent mechanical crossover whereby beta-sheet-biased peptides surpass alpha-helical ones in unfolding force beyond ~80 residues, establishing a new design principle for peptide mechanics; and (ii) a chain-length/secondary-structure stability map revealing unexpectedly robust beta-sheet-rich architectures and a "frustration zone" of high variance in mixed alpha/beta folds. These findings emerged from fully self-directed reasoning cycles that combined generative sequence design, high-accuracy structure prediction and physics-aware property models, with paired generation-and-reflection agents enforcing self-correction and reproducibility. The key result is that Sparks can independently conduct rigorous scientific inquiry and identify previously unknown scientific principles.

研究动机与目标

• 促进超越数据复用局限的自主科学发现。
• 开发一个在最小人工干预下生成假设并设计实验的系统。
• 在复杂科学领域（蛋白质设计）中展示自我反思、可重复的推理。
• 通过完全自主的循环揭示蛋白质力学与结构的新设计原则。

提出的方法

• 使用多模态、多智能体架构来执行假设生成、实验设计和迭代改进。
• 将生成式序列设计与高精度结构预测以及物理感知特性模型集成。
• 采用成对的生成与反思代理以强制自我修正和可重复性。
• 使完全自我驱动的推理循环收敛到可推广的一般原理。

实验结果

研究问题

• RQ1 多智能体 AI 模型是否能够在没有人类输入的情况下自主生成假设并设计实验，以发现蛋白质设计原理？
• RQ2 通过完全自主的 AI 驱动探究，可以发现蛋白质力学与结构的新设计原理？
• RQ3 生成与反思组件如何交互以在 AI 驱动的科学发现中实现自我纠错和可重复性？

主要发现

• 发现一个长度相关的力学转变，当β-折叠偏向的肽在展开力超过 ~80 个残基后超过α-螺旋肽。
• 识别出一个链长/二级结构稳定性图，显示出稳健的β-折叠富集结构以及混合α/β折叠的“挫折区”。
• 证明了自我驱动推理循环，结合设计、结构预测和物理感知模型与反思代理来实现纠正和可重复性。
• 表明 Sparks 能独立进行严格的科学探究并发现先前未知的原理。