智能体 · arXiv 2026

VenusRAR

Rank-and-Reason——两阶段多智能体框架，将 PLM 集成排序转化为可进湿实验的突变短名单，并以生物物理链式思维审计候选。

Yang Tan*, Yuanxi Yu*, Can Wu, Bozitao Zhong, Mingchen Li, Guisheng Fan, Jiankang Zhu, Yafeng Liang, Nanqing Dong, Liang Hong
（* 共同一作）

论文 代码

问题

零样本突变预测器常给出统计上自信、却仍违背基本生物物理约束的排序。 湿实验候选筛选往往依赖专家人工审阅——慢、主观且难扩展。

方法：Rank-and-Reason

VenusRAR 将流程自动化为两阶段：

  • Rank 阶段——计算专家与虚拟生物学家汇总上下文感知的多模态 PLM 集成信号，ProteinGym 上 Spearman ρ ≈ 0.551（相对先前 VenusREM 级基线约 0.518）。
  • Reason 阶段——智能体专家小组以链式思维对照几何与结构约束审计候选，ProteinGym-DMS99 上 Top-5 Hit Rate 最高提升约 367%。

Cas12i3 核酸酶湿实验验证阳性率 46.7%（14/30），含活性提升 4.23× 与 5.05× 的新突变。

相关工作

VenusRAR 位于单模型评分器之上，如 VenusREM、 ProSST、 ProtSSN： 先集成其信号，再由 LLM 智能体做生物物理分诊。 部署可走 VenusFactory2。

引用

@misc{tan2026venusrar,
  title={Rank-and-Reason: Multi-Agent Collaboration Accelerates Zero-Shot Protein Mutation Prediction},
  author={Tan, Yang and Yu, Yuanxi and Wu, Can and Zhong, Bozitao and Li, Mingchen and Fan, Guisheng and Zhu, Jiankang and Liang, Yafeng and Dong, Nanqing and Hong, Liang},
  year={2026},
  eprint={2602.00197},
  archivePrefix={arXiv},
  primaryClass={q-bio.QM},
  url={https://arxiv.org/abs/2602.00197}
}