Agent Rosetta: LLM-Agent revolutioniert Protein‑Design

Große Sprachmodelle (LLMs) können jetzt nicht nur logisch denken, sondern auch Werkzeuge einsetzen. Das eröffnet die Möglichkeit, autonome Agenten zu bauen, die komplexe wissenschaftliche Aufgaben übernehmen. Protein‑Design ist dabei ein ideales Testfeld: Während maschinelles Lernen bereits beeindruckende Ergebnisse liefert, beschränkt sich die Praxis meist auf kanonische Aminosäuren und eng definierte Ziele. Ein breiteres, flexibleres Tool fehlt noch.

Mit Agent Rosetta wird diese Lücke geschlossen. Der Agent kombiniert ein leistungsfähiges LLM mit einer strukturierten Umgebung, die das führende, physikbasierte Design‑Programm Rosetta steuert. Dadurch kann Rosetta nicht nur klassische Proteine modellieren, sondern auch nicht‑kanonische Bausteine und komplexe Geometrien berücksichtigen. Der Agent verfeinert die Designs iterativ, um benutzerdefinierte Ziele zu erreichen, und nutzt dabei die Rechenkraft von Rosetta in Kombination mit der Entscheidungsfähigkeit des LLM.

In Tests zeigte Agent Rosetta bei der Gestaltung von Proteinen mit kanonischen Aminosäuren die gleiche Leistungsfähigkeit wie spezialisierte Modelle und menschliche Experten. Bei der Arbeit mit nicht‑kanonischen Residuen, wo herkömmliche ML‑Ansätze versagen, erreichte der Agent vergleichbare Ergebnisse. Dabei wurde deutlich, dass alleinige Prompt‑Engineering‑Ansätze oft keine gültigen Rosetta‑Aktionen erzeugen – die Gestaltung einer geeigneten Umgebung ist entscheidend, um LLM‑Agenten mit spezialisierten Softwaresystemen zu verbinden.

Die Ergebnisse beweisen, dass gut konzipierte Umgebungen LLM‑Agenten in die Lage versetzen, wissenschaftliche Software zugänglich zu machen und gleichzeitig die Leistungsfähigkeit spezialisierter Tools und menschlicher Fachleute zu erreichen. Agent Rosetta markiert damit einen wichtigen Schritt in Richtung allgemeiner, autonomer wissenschaftlicher Agenten.