从真实药物项目中的 Agent，
到多组学与质谱的自监督表征

MAGI 把目标设定、分子优化、构效关系解读和策略修订串成可插拔智能体，并允许在 LLM 直接提案与 REINVENT 4 优化之间切换。作者用三家药企的九个历史先导优化项目，在固定时间截点下回放评估。

结果指向一个关键限制：项目能否达标主要取决于评分模型在候选化学空间中的适用性，而非生成器或智能体编排本身。该文是未经同行评审的 arXiv 预印本；研究为回顾性计算重放，尚未证明系统能在真实前瞻性湿实验中提高成药成功率。

APOD 用语言模型 Agent 在生物知识、拟合诊断和开放模型空间之间迭代，自动寻找包含个体差异的群体 ODE，从而构建药理数字孪生。作者在合成药代和肿瘤动力学任务后，又把系统用于真实队列。

其中一个案例建立了放射性配体治疗相关血小板变化模型，用首周期数据预测血小板减少，并模拟替代给药方案。该文是未经同行评审的 arXiv 预印本；剂量建议来自模型模拟，不能视为临床治疗证据。

该方法先用高重建保真度的变分自编码器把整张分子图压缩到连续潜空间，再以流匹配生成潜表示，最后一步才解码节点与边。相较直接在离散图空间逐项生成，这一设计试图改善大图上的效率。

作者还展示性质引导和潜空间有效性分类器，并在多个分子基准上比较质量与计算开销。该文是未经同行评审的 arXiv 预印本；结果全部来自计算基准，尚无合成或实验活性验证，代码也仅承诺在接收后开放。

FREA 关注生成模型和化学 Agent 的关键过滤环节：反应可行性验证。数据集由化学专家按明确标准标注，覆盖逆合成提案、零产率记录、LLM 编辑和多种人工负样本来源。

评估显示，没有单一验证器能在所有来源上稳定领先，某些在逆合成提案上有效的前向模型会大量拒绝可行编辑；负样本训练的提升也难跨来源迁移。该文是未经同行评审的 arXiv 预印本；专家标签仍有主观边界，但它揭示了只看汇总分数可能掩盖的分布失配。

ARO 面向多组学常见的缺失模态和样本不配对问题，在癌症数据中学习对齐的潜在表示，并用同一空间重建缺失分子层。作者强调有限、不完整数据下的实用性，而非继续扩大模型规模。

论文同时用下游癌症分类检验潜在表示是否保留可用信号。该文是未经同行评审的 arXiv 预印本；现有结果基于特定数据划分和计算指标，不能据此推断跨平台、跨队列泛化或临床诊断价值。

dIon 从串联质谱的物理关系构造自监督信号：模型一方面从混合谱中借助前体信息选择对应碎片，另一方面从隐藏前体的局部谱恢复教师表示，以避免表征只依赖前体属性。

作者在 MassIVE-KB 和 Kingdoms 上测试从头肽序列测定，并用检索和成对判别评估表征质量。该文是未经同行评审的 arXiv 预印本；优势来自固定解码协议下的计算基准，仍需在不同仪器、实验条件和未知修饰场景中验证。