MolClaw: An Autonomous Agent with Hierarchical Skills for Drug Discovery
Zhang, Wang, Sun, Tang et al. | bioRxiv 2026-04 | DOI: 10.64898/2026.04.03.716272 | Shanghai AI Lab × Peking University
🎯 3層スキル（L1:ツール・L2:ワークフロー・L3:科学原則）でLLMエージェントに創薬ドメイン知識を付与しSOTA達成
① 背景と課題

創薬計算ワークフローはAFold→ドッキング→ADMET→FEP→MD解析等の数十ステップにわたる。既存のLLMエージェントは単純なツール呼び出しには対応できるが、多段階ワークフローの複雑な依存関係・品質チェック・エラーリカバリに対応できず根本的な能力不足がある。

vanilla LLMエージェント（Claude Code/OpenClaw）では結合親和性比較51.4%と偶然水準に近い
アドホックなコード生成は多段階ワークフローの再現性・信頼性に欠ける
30以上の専門ツールを人手で組み合わせると数日の手作業が必要
② 手法: 3層スキルアーキテクチャ
L3: Discipline-level（科学的ガバナンス原則 ×25）
↓ 全実行前に完全ロード。ツール呼び出しを指定せず意思決定を統治
L2: Workflow-level（ワークフロー ×11）
↓ L1を組み合わせたend-to-endパイプライン・品質ゲート・失敗リカバリ
L1: Tool-level（原子操作テンプレート ×58+）
↓ 入出力バリデーション・QC付きの個別ツールwrapper
SCP (Science Context Protocol)
GPUスケジューリング・並行タスク管理・標準アクセス制御

統合30+ツール: ESMFold/Chai-1, UniDock/DiffDock, REINVENT4, GROMACS/OpenMM, gmx_MMPBSA, ADMET-AI, RDKit等

③ MolBench: 創薬エージェント評価

MolBench-MS（分子スクリーニング）

  • 分子プロパティフィルタリング（n=50）
  • 結合親和性比較（n=37）← 最難関タスク
  • 分子ドッキングスクリーニング（n=25）

MolBench-MO（分子最適化）

  • 分子編集（官能基置換・scaffold hopping）
  • 物性最適化（QED・LogP・LogS同時最適化）

MolBench-E2E（End-to-End）

  • 8〜50+ステップの連続ツール呼び出しが必要なリアルタスク×3
④ 主な結果 (a) 結合親和性比較精度
0 25 50 75 100 43.6% LLM平均 51.4% Vanilla 81.1% MolClaw +29.7pp 結合親和性比較精度（%）n=37
④ 主な結果 (b) 物性最適化 delta
0 0.5 1.0 1.5 0.54 LLM平均 0.866 CC vanilla 1.724 MolClaw ×2.0 SR 100% 物性最適化 Delta（QED+LogP+LogS）
④ 主な結果 (c) スキル vs. LLM（アブレーション）
メトリクスVanillaMolClaw改善
結合親和性精度51.4%81.1%+29.7pp
ドッキング hits@30.560.80+43%
最適化 Delta0.8661.724×2.0
分子編集精度97.4%100%+2.6pp

Claude Code / OpenClaw 両プラットフォームで一貫した改善

Friedman検定: χ²=35.35, p=2.17×10⁻⁴。スキル層（LLMではなく）が主要性能因子と確認

④ 主な結果 (d) パイプライン実装への示唆
  • UniDockRunner → L1スキル（docking wrapper）として直接流用可能
  • ProLIFCalculator → L1スキル（IFP analysis）として定義
  • receptor prep→docking→IFP→ranking をL2ワークフロースキルとして実装
  • MolBench-MS相当のベンチマークを回帰テストとして整備可能
単純なプロパティフィルタリングではスキル付きとなしで差なし（タスク難度依存）
L3スキル（科学的原則）の品質管理基準の偏りへの対処が未検討
⑤ パイプライン実装計画

lib/docking への実装:

  • UniDockRunner → L1 DockingSkill として SCP/MCP 公開
  • ProLIFCalculator → L1 IFPSkill として公開
  • L2: DockingScreeningWorkflow（receptor prep→docking→IFP→報告）実装
  • 品質ゲート（QualityGate）クラスを各ステップに挿入

lib/molgen への実装:

  • MolgenYaml スコアラー → L1 PropertyScoringSkill として定義
  • L2: IterativeMolOptWorkflow（生成→評価→改訂反復ループ）実装
  • 物性最適化（QED/LogP/LogS）の並列計算でdeltaを最大化
期待される効果
  • ドッキングキャンペーンの自動化（receptor prep〜報告まで）
  • エラーリカバリによる信頼性向上
  • MolBench互換テストで新ツール追加の回帰検証
  • LLMのバージョンアップで自動的に性能向上
DOI: 10.64898/2026.04.03.716272 | bioRxiv 2026-04-06 | CC-BY 4.0 | Zhang, Wang, Sun, Tang et al. | Shanghai AI Laboratory × Peking University Health Science Center