DynAgent: A Modular Multi-Agent Framework for Autonomous Protein-Ligand Molecular Dynamics Simulations
LLM 3 エージェント (Prep / Exec / Analyzer) で protein-ligand MD + MM-PB(GB)SA を自然言語から自律実行 (EPFL Schwaller lab)
🎯 protein-ligand MD のセットアップ・実行・解析を LLM agent で自動化し、MDCrow / NAMD-Agent (protein-only) の限界を超える。
① 背景と課題

MD は drug discovery と protein engineering に不可欠だが、parameterization / 入力準備 / ソフト設定の技術的複雑さが新規ユーザーへの障壁になる。LLM agent は scientific workflow 自動化に成功例があるものの、protein-ligand 系の MD ワークフロー自動化は未達成だった。

MDCrow / NAMD-Agent は protein-only 限定で、ligand parameterization や MM-PB(GB)SA を扱えない。
手動 setup は実験条件(温度、シミュレーション時間、ligand info)の文献追跡が必要で時間消費が大きい。

→ Planner / Executor / Analyzer の 3 エージェント分業 + 自己修正 + PaperQA RAG で MD を自然言語ゴールから自律実行。

② 手法 (a) 3 エージェント分業

PrepAgent (構造前処理 + ligand prep) / DynAgent (実行: tleap + ff14SB + GAFF2 + TIP3P + GROMACS) / Analyzer (RMSD / RMSF / Rg / H-bond + テキスト解釈)。役割を明示的に分離して specialization を効かせる。

PrepAgent → DynAgent (Exec) → Analyzer (with self-correction loop)

各 tool 呼び出しは sandbox 化・ログ化・要約。失敗時はエラー context を次 step に渡して計画を動的修正。

② 手法 (b) RAG + 自己修正

PaperQA + web search で関連文献から推奨温度・ligand info を retrieve。エビデンスベースのパラメータ選定 + citation トレース。MM-PB(GB)SA まで pipeline に統合。

8 / 8 系
production MD 完走 (protein-ligand 5 + protein-only 3)

protein-only 系では ligand step を skip する適応的判断も実証。

③ 本研究で示したこと(要点)
  • LLM multi-agent で protein-ligand MD + MM-PB(GB)SA を自然言語ゴールから自律実行
  • MDCrow / NAMD-Agent (protein-only) を超える対象範囲
  • self-correction loop + PaperQA RAG が複雑な MD setup を robust にする
  • 3 エージェント分業 (Plan / Exec / Analyze) が specialization で有効
④ 主な結果 (a) MD 完走率

8 ベンチマーク系での自律 MD 完走

0 4 8 系数 5/5 protein-ligand 3/3 protein-only 全 8 系 完走

5UEZ 系の RMSD / RMSF / Rg / H-bond plot を Analyzer が自動生成 + テキスト解釈付与。

④ 主な結果 (b) 既存研究との対比
対応範囲スコア 機能カバレッジ MDCrow (protein-only) NAMD-Agent (protein-only) DynAgent + ligand + MMPBSA

protein-ligand 対応 + MM-PB(GB)SA 統合 + 自己修正で先行研究を上回る。

④ 主な結果 (c) Tool families
FamilyTools
Structural preppdb クレンジング / プロトン化 / capping
Ligand paramacpype / antechamber 自動切替
System buildtleap + ff14SB + GAFF2 + TIP3P
Equilibrationmin / NVT / NPT / GROMACS production
Free energyMM-PB(GB)SA (optional)
RAGPaperQA + web search
④ 主な結果 (d) Self-correction の例
失敗例Recovery
ligand param 失敗antechamber → acpype に切替
溶媒和 box 不足サイズ拡大して再生成
原子命名異常ファイル編集 tool で正規化
tool エラーsandbox ログを次 step に渡して計画修正

各 tool 呼び出しが sandbox 化されているため部分失敗からの復帰が機械的に可能。

⑤ テイクホームメッセージ
🤖 Multi-agent 分業
Plan / Exec / Analyze の specialization が複雑な MD setup を robust にする。
💊 Ligand-aware
protein-ligand + MM-PB(GB)SA に対応した初の MD 自動化 agent。
🔄 Self-correction
sandbox 化 tool + エラー context フィードバックで stable recovery。
📚 RAG with citations
PaperQA で温度・ligand info の文献根拠を残せる。
関連研究との対比
系統proteinligandfree energy
MDCrow
NAMD-Agent
DynAgentMM-PB(GB)SA
本研究のインパクト
  • protein-ligand MD の自動化 agent paradigm を確立
  • chemexp 文脈: DockFEP の高レベルラッパー設計の参考実装
  • MD setup の barrier 低下で新規ユーザーの onboarding cost が下がる