AI与世界难题 · 生物工程与合成生物学 · arXiv · 2026-10-21
用于mRNA序列生成的课程增强GFlowNets
原标题: Curriculum-Augmented GFlowNets For mRNA Sequence Generation
对编码目标蛋白的mRNA序列进行从头设计，需要在庞大的同义密码子组合空间上优化多个生物学目标；在这一设定中，强化学习会出现模式坍塌，而GFlowNets则面临长时程下的稀疏奖励问题。课程增强GFlowNets（CAGFNs）是一种多目标GFlowNet，它采用由学习进展驱动的基于长度的自适应课程进行训练，从目标蛋白更长的逐步加难的任务中学习。在CodonDesignEnv——一个通过动态动作掩码来保持蛋白质同一性的新型密码子级别环境——上，CAGFNs取得了具有竞争力或更强的帕累托前沿覆盖率和多样性，收敛速度比未采用课程的GFlowNets最多快4倍，并且与强化学习基线相比保持了100%的序列唯一性。