一分钟读论文：《SABLE：智能体编排的先导化合物优化》
内容提要
该文介绍开源智能体框架SABLE，用于药物先导化合物优化。它通过LLM解析目标，调度反应模板枚举、性质预测、结构打分和贝叶斯优化工具，模拟DMTA循环。在METTL3案例中，单次运行预测活性提升95倍，但结果未经湿实验验证，属前瞻性排序。框架模块化、可追溯，但受限于模板覆盖和预测校准质量。
延伸解读
计算预测的局限
SABLE的所有结果均为计算预测，Boltz-2仅作为计算预言机，而非实测生化效力的替代。METTL3案例中95倍活性提升是预测值，头部候选未经湿实验验证。回顾性案例存在对已知SAR过拟合的风险，尽管优化信号仅为Boltz-2分数，但种子选择本身来自已发表系列。因此，SABLE的定位是支持而非取代药物化学评审与实验验证。
模块化与可追溯性
SABLE的模块化架构允许仅通过编辑配置文件替换枚举引擎或表征后端，便于适应不同优化任务。每个数值输出均记录来源工具与调用参数，可逐条回溯，复现所需提示词与JSON状态转储随代码仓库开源。这种设计增强了框架的透明度和可复现性，但性能受限于反应模板覆盖度和预测模型校准质量。
效率与适用场景
SABLE在收敛前仅评估枚举库的一小部分，相对穷举筛选的Boltz-2推理调用节省量在10^3–10^6规模库上随库大小近似线性增长，适合大规模虚拟筛选。但框架缺少与其他agentic药物发现系统的正面基线对比，且未纳入真实DMTA实验闭环，实际应用效果仍需验证。
Q&A
SABLE是什么？它主要用于什么任务？
SABLE是一个开源的智能体框架，用于药物先导化合物优化。它通过LLM解析自然语言目标，调度反应模板枚举、性质预测、结构打分和贝叶斯优化等工具，模拟DMTA循环中的分析与优先级排序阶段。
SABLE框架包含哪些核心工具？它们各自的作用是什么？
SABLE包含四类核心工具：HEALER反应模板引擎用于枚举合成可及的类似物库；RDKit和STOPLIGHT提供理化性质和ADMET预测；Boltz-2用于从蛋白序列和配体输入预测复合物结构和亲和力分数（logIC50）；贝叶斯优化用于迭代挑选候选。
SABLE在METTL3案例中取得了什么结果？这些结果是否经过实验验证？
在METTL3回顾性案例中，SABLE单次运行得到预测浓度102.33 nM的头部类似物，相对起始化合物约95倍预测活性提升。但论文明确该候选未经湿实验验证，属于前瞻性优先级排序。
SABLE在实验中覆盖了哪些优化目标？结果如何？
实验覆盖单目标、双目标和四靶点三类优化战役。单目标（CAMKK2）最佳预测logIC50改善1.03个log单位；双目标同时优化亲和力和QED，得到非支配解集；四靶点（BACE1等）中BACE1种子从预测58.88 µM改善到370 nM。
SABLE框架有哪些局限性？
局限性包括：所有结果均为计算预测，未经湿实验验证；回顾性案例存在对已知SAR过拟合的风险；性能受限于反应模板覆盖度和表征模型校准质量；缺少与其他agentic药物发现系统的正面基线对比。
SABLE的可追溯性体现在哪里？
SABLE的每个数值输出均记录来源工具与调用参数，可逐条回溯；模块化架构下仅需编辑配置文件即可替换枚举引擎或表征后端；复现所需提示词与JSON状态转储随代码仓库开源。
