ChatT2：面向天然产物研究的LLM Agent自适应开发框架

arXiv:2609.25620v1 公告类型：新提交 摘要：微生物天然产物（NP）的科学研究对初学者而言存在重大挑战，主要原因在于微生物系统的复杂性、生化多样性、技术技能要求，以及生物信息学和数据分析流程的高门槛。为解决这些问题，我们推出了 ChatT2——一款基于大语言模型（LLM）的 Agent，专门针对细菌 II 型聚酮类化合物的独特性质而定制。这类聚酮化合物构成了一个结构独特且具有重要治疗价值的 NP 家族。ChatT2 构建于一个自主多 Agent 框架之内，该框架由 mentor（导师）、executor（执行器）和 evaluator（评估器）组成，三者各司其职。Mentor 充当 ChatT2 与用户之间的中介，利用思维链（chain-of-thought）提示来细化用户意图。在 mentor 的指导下，executor 通过检索增强生成（RAG）技术融合多模态信息，并无缝集成生物信息学与化学信息学工具。Evaluator 最终对 executor 的输出进行评估，以确保所检索信息的丰富性与准确性。我们的研究展示了采用这一多 Agent 框架设计的 ChatT2，如何应对通用 LLM 在理解有限的专业语料库和复杂生物信息方面所面临的挑战，并为专家与初学者探索各类感兴趣的 NP 提供了一款有价值的工具。ChatT2 网络服务器可通过 https://chatt2.site/#/chat 访问。