AI 與世界的難題 · 生物工程與合成生物學 · arXiv · 2026-10-21
用於 mRNA 序列生成的課程增強式 GFlowNets
原標題: Curriculum-Augmented GFlowNets For mRNA Sequence Generation
編碼目標蛋白之 mRNA 序列的從頭設計,需要在由同義密碼子構成的大型組合空間中對多個生物學目標進行最佳化;在這種設定下,強化學習會出現模式崩潰,GFlowNets 則面臨長時程下的稀疏獎勵。Curriculum-Augmented GFlowNets(CAGFNs)是一種多目標 GFlowNet,以由學習進度驅動、基於長度的自適應課程進行訓練,從目標蛋白更長、難度漸增的任務中學習。在 CodonDesignEnv(一個透過動態動作遮罩維持蛋白質身分的新型密碼子層級環境)上,CAGFNs 達到具競爭力或更優的 Pareto 前緣覆蓋率與多樣性,收斂速度最多比未使用課程的 GFlowNets 快 4 倍,並相較於強化學習基準維持 100% 的序列唯一性。