MolSeeker: 大模型多智能体驱动 ADMET 预测

简介

基于大模型多智能体的 ADMET 预测工具，通过构建分布式智能协作系统，精准预测药物在体内的吸收、分布、代谢、排泄及毒性性质。

核心思想
本项目深度融合大语言模型的深度语义理解能力与多智能体系统的分工协作机制：

• 任务拆解：将 ADMET 预测任务拆解为数据清洗、分子表征、性质建模、决策推理等多个子模块
• 智能协作：多个智能体各司其职，协同完成复杂预测任务
• 闭环流程：从分子结构输入到成药性预测的全流程智能化闭环

该流程以“多智能体协同推理”为核心，实现高精度的 ADMET 性质预测。

参数说明

Input File

输入待预测分子的数据文件，支持手动绘制分子结构或上传数据文件，支持 SDF 格式文件或包含 Smiles 列的 CSV 格式文件。

Task

ADMET 性质预测任务选择，支持单选、多选或全选。可选性质类别如下：

• 物理化学性质：LogD、LogP、pKa、pKb、Solubility_Kinetic、Solubility_FASSIF
• 吸收：Caco2_A2B (Cls)、Caco2_A2B (Reg)、PAMPA (Reg)
• 分布：BBB (Cls)、MDCK_Efflux (Reg)
• 代谢：HLM (Cls)、HLM (Reg)、hHep (Cls)、hHep (Reg)
• 毒性：hERG (Cls)、hERG (Reg)、AMES (Cls)、Hepatotoxicity (Cls)

Smiles Columns

存放分子 SMILES 的列名。若使用绘制分子方式输入，无需修改此参数；若上传数据文件，需指定文件中 SMILES 所在的列名。

结果说明

输出结果包括：

包括信息如下：