自主智能体重组MSA提升AF3界面预测

事件综述根据 2 篇报道整理，11月4日更新

上海交通大学与上海人工智能实验室等机构的研究者提出一个自主智能体，把冻结的 AlphaFold 3 当作黑箱实验仪器，针对每个蛋白复合物靶点提出假设、分析并重组多序列比对（MSA），仅凭预测器的无标签置信信号迭代调整序列选择与跨链配对。 作者在预印本中报告，在 AF3 训练截止后发布的三个基准、共 1,015 个蛋白-蛋白界面上，该方法在每个基准上的整体界面 DockQ 都优于 AF3 默认流程和固定 MSA 配方，同时平均少用 60% 的 MSA 序列。实验设定为每个任务最多 60 次完整生成器运行（含初始默认方案）和 600 次 LLM 调用，分析程序限时 120 秒，并禁用网络以防真实结构泄漏。 上述提升为作者自测结果，尚待独立复现。

综述由模型根据报道生成，细节以各篇原文为准。