Leash Bio 发布 Minos 预印本与开放数据集，用 DEL 数据做智能体科学推理沙盒

几年前，我偶然发现了 Leash Bio 的 Substack，然后就迷上了。无论是他们那场 Kaggle 竞赛——它表明我们确实还没有解决蛋白质-配体结合问题，还是他们那个疯狂的发现：知道一个分子的作者，也许就足以预测它有多好。他们的 Substack——或者至少是 Owl Posting 对他们的1 深度解读——应该成为任何试图用 AI 做化学的科学家的必读材料。

所以，终于能坐下来和 Leash Bio 的 Ian Quigley 聊聊、向他请教，我超级兴奋。Leash 专注于 DNA 编码化合物库（即“DEL”），这是一种收集蛋白质与小分子之间超高通量相互作用数据的方法。2 在我发现 Leash 之前，我听到的关于 DEL 用户的消息全是恐怖故事。然而，Ian 和他的朋友们不知怎么找到了驯服这头野兽的方法，提取出干净、可复现、恰好非常适合大规模建模的数据。不剧透太多，答案归结为认识论上的严谨，以及一种令人难以置信的信念：你必须去做那件事。

更精彩的是！在本集接近尾声时，Ian 预告了他们录制时团队正在玩的一个东西：一个让智能体进行可验证科学推理的 AI 游乐场。他们发现，过去几年收集的数据可以提供数万个“实验室在环”模拟，而这正是智能体进行科学强化学习所需要的。两个月后，它已经成熟为 Minos，今天他们发布了完整的预印本、博客和开放数据集。我们将在几天内发布一期闪电播客，带来更新。敬请期待！

我们和 Ian 聊得非常开心，这大概是我们迄今为止最有趣的一期节目之一。无论你是完全的化学新手，还是 AI x Bio 的专家实践者，我们都认为你能从中有所收获。

祝收听愉快！

我们涵盖了：

为什么 DEL 会让每个接触它的人留下心理阴影，以及 Leash 如何给每个分子加上几十个条形码，以捕获那些结合 DNA 而非药物的蛋白质。
Ian 的法则：生物学只有两种规模化方式——拍照和测序 DNA。
那场 Kaggle 竞赛：来自一个地下室的大约 40 亿次测量，约 2000 支队伍，而在一个未见过的化学库上，没有人能超过随机水平。还有为什么 Leash 曾暗自担心共折叠会让它们过时。
ChEMBL 中的聪明汉斯：模型可以从分子结构猜出它的化学家，而“谁做的”对活性的预测能力几乎和结构一样好。
Hermes，仅用 Leash 自己的数据训练，在公开基准上与 Boltz 并驾齐驱。还有 Boltz 已经在 PDB 中见过的 BRD4 分子。
打破口袋：在发现 Hermes 记住的是蛋白质的“绰号”而非结合位点后，大规模工程化蛋白质突变体。
Lumacaftor 类命中物，意外成为错误折叠蛋白质的检测器。
智能体沙盒：用平实英语推理 SAR 的 LLM，在 100 的预算内从 650 万个分子中寻找最佳结合物。
Recursion 黑手党，以及为什么它的校友公司都如出一辙。
Kosuri 悖论：如果你能收集数据，为什么还需要模型？
在一个炎症项目上，从DEL命中到获得良好的小鼠PKPD仅用六个月，以及针对细胞因子靶点，小分子药物优于抗体的理由。
是什么阻止了资金更充裕的实验室在规模上超越他们，以及Ian凭一己之愿对大规模并行纯化的期望。

互联网上毫无疑问最优秀的生物博主。

一如既往，这里的秘诀在于将你的问题映射到一个组合文库，并使用下一代测序进行读出。我们在播客中深入讨论了这一点！