跳到正文
arXiv· Alona Rimon; Hannah Janmohamed; Maxime Allard; Antoine Cully·· 16 天前AI 评分44

POME:面向离线生物序列设计的不确定性感知质量-多样性优化框架

Uncertainty Aware Quality-Diversity Optimization For Offline Biological Sequence Design

AI 导读

研究者提出 POME(Prior-guided Offline MAP-Elites),一个面向离线生物序列设计的不确定性感知质量-多样性(QD)优化框架,用基础模型作为先验把搜索引向生物学上合理的区域。在三个序列设计任务上,POME 的性能与多样性均优于此前的离线 QD 方法。对比离线 MBO 基线,它在两个任务上取得最佳、第三个任务位列第二,同时保持较高的多样性与新颖性。

预印本 · arxiv · 2611.00716

本站摘要基于收录版本 v1(2026-11-03),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

设计具有所需性质的核酸和蛋白质等序列是生物学中的一项基本挑战。由于序列空间庞大且离散,加之实验评估成本高昂,离线计算序列设计在提出新颖序列以供昂贵的湿实验验证之前,发挥着至关重要的作用。在实践中,所提出的设计还必须具有多样性,以提高下游实验成功的可能性。这促使人们寻求能够平衡性能、新颖性与多样性,同时缓解离线优化固有不确定性的方法。质量-多样性优化(QD)能够发现多样且高性能的解决方案,因此非常适合这一问题,但其精英主义特性使得在不确定性下进行可靠探索变得困难。为此,我们提出了先验引导的离线 MAP-Elites(POME),这是一个专为离线场景设计的、具备不确定性感知能力的 QD 框架。我们的方法利用基础模型作为先验,引导搜索走向生物学上合理的区域,并在不确定性下实现稳健的探索。在三个序列设计任务中,POME 在性能和多样性方面均持续优于先前的离线 QD 方法,并与离线 MBO 基线相比实现了最可靠的平衡:在两个任务上取得最佳性能,在第三个任务上取得第二佳性能,同时保持了较高的多样性和新颖性。

来源:arXiv · arxiv.org