斯坦福 AILab Pyrite，蛋白质 - 配体姿态排序基准与 LLM 智能体框架解读

斯坦福 AILab 转发的 Pyrite 是一套面向蛋白质 - 配体姿态排序的基准数据集加上配套大模型智能体框架，主要用来解决药物分子对接里，AI 生成大量候选结合姿态之后，很难挑出最接近真实结合结构的难题，这套基准一共包含 1500 组姿态配对样本，覆盖大量不同类型蛋白 - 配体复合物，测试结果显示就算是专业化学专家，搭配 3D 可视化工具和传统物理打分，排序准确率也接近随机水平，而 Pyrite 里面两套 LLM 智能体，最高准确率可以做到 74%，已经超过人类专家表现，对小分子药物研发、分子对接打分方向有很高参考价值。之所以要做 Pyrite 这个基准，是因为现在 AlphaFold3 这类共折叠模型能一次性生成很多配体结合姿态，但缺少一个难度足够、标准统一的测试集，用来对比不同打分模型、智能体的姿态排序能力，传统 CASF 这类基准偏向打分函数，不太适合测试大模型智能体的推理能力，Pyrite 专门做成成对对比任务，还配套 PyriteRep 结构化表征，把分子几何、蛋白配体相互作用、理化分数打包成统一输入，方便 LLM 读取和推理。下面把基准数据集、两套智能体、实验结果、上手使用步骤分开整理，搭配对比表格，方便看懂这个框架和传统打分工具的差别。看完之后就能明白，它不是用来生成姿态，而是用来筛选、排序已经生成好的候选姿态。

一、Pyrite 基准数据集基础信息

• 任务形式：成对姿态排序，每次给同一个蛋白配体的两个候选姿态，判断哪一个更接近真实结合构象
• 样本规模：1500 组姿态配对，蛋白、配体类型分布多样化
• 测试难点：很多样本两个姿态能量分数接近，传统物理打分很难区分，也是专家容易判断出错的地方
• 配套表征：PyriteRep，标准化封装几何信息、相互作用、理化特征，作为 LLM 输入

二、两套 LLM 智能体清单

1、PyriteReasoner

工作方式：直接用大模型做文本推理，对比两个姿态的描述，输出判断结果

最高准确率：67%

特点：逻辑直观，不需要额外写代码，适合快速验证 LLM 化学推理能力

2、PyriteFeaturizer

工作方式：大模型生成可执行代码，自动提取特征，送入逻辑回归模型完成排序

最高准确率：74%

特点：LLM 负责特征挖掘，模型负责分类，整体效果优于直接推理方案

三、关键实验对比表

四、复现与使用步骤

1、明确使用目标：区分姿态排序，不是分子对接，输入是已经生成好的多个候选姿态；

2、加载 Pyrite 数据集和 PyriteRep 表征工具，统一结构化输出分子信息；

3、选择智能体路线：想简单验证选 PyriteReasoner，追求更高准确率选 PyriteFeaturizer；

4、开源模型可以搭配 GRPO 策略优化，提升排序精度；

5、用成对对比指标评估，和专家、传统打分函数做横向对比；

6、把这套方案接入现有药物研发流程，作为对接后姿态筛选模块。

【相关 FAQ】

问题 1：斯坦福 AILab 转发的 Pyrite，是蛋白质 - 配体姿态生成工具吗？

回答 1：斯坦福 AILab 转发的 Pyrite 不是姿态生成工具，它是蛋白质 - 配体姿态排序基准数据集加上 LLM 智能体框架，用来对已经生成好的候选姿态做优劣排序。

问题 2：Pyrite 里面两套智能体，PyriteReasoner 和 PyriteFeaturizer 哪个准确率更高？

回答 2：PyriteFeaturizer 准确率更高，最高 74%，依靠大模型生成代码自动提取特征，PyriteReasoner 是直接文本推理，最高 67%。

问题 3：Pyrite 基准里的化学专家测试表现怎么样？

回答 3：在 Pyrite 蛋白质 - 配体姿态排序任务上，化学专家即便搭配 3D 可视化工具和物理打分，判断准确率接近随机水平，这个任务本身区分难度很高。

【参考资料】

[2026-11-13]（Pyrite: Building and Benchmarking Protein-Ligand Pose Ranking Agents）arXiv

[2026-11-13]（斯坦福 AILab 转发 Pyrite 蛋白配体姿态排序基准）斯坦福 AI 实验室

[2026-11-12]（LLM 智能体在分子姿态排序任务上超越人类化学家）机器之心

[2026-11-10]（蛋白配体对接打分基准 CASF 与 Pyrite 对比）生物信息学前沿

【免责声明】

Pyrite 基准与智能体框架相关数据来自论文公开实验结果，仅用于科研、药物计算方向的学术参考；该框架属于辅助筛选工具，不能直接替代湿实验验证蛋白配体结合活性；不同蛋白家族、配体类型上模型效果存在波动，实际药物研发使用需要结合多项实验交叉验证。