流匹配遇见生物学与生命科学：综述
机器学习
2026-03-10 v2 人工智能
摘要
过去十年，诸如生成对抗网络、掩码自编码器和扩散模型等生成模型的进展，显著变革了生物学研究与发现，推动了分子设计、蛋白质生成、催化剂发现、药物发现等诸多领域的突破。同时，生物学应用也为评估生成模型能力提供了宝贵的测试场。最近，流匹配（flow matching）作为一种强大且高效的扩散基于生成建模的替代方案，在生物学与生命科学领域的应用日益受到关注。本文present了最新发展在生物学领域中应用的流匹配的首个综合性调查。我们首先系统性地审阅了流匹配的基础知识及其变体，然后将其应用归纳为三个主要领域：生物序列建模、分子生成与设计、肽与蛋白质生成。对于每个领域，we提供深入的近期进展综述。we还总结了常用的数据集和软件工具，并就潜在的未来方向展开讨论。相应的精选资源已发布于 https://github.com/Violet24K/Awesome-Flow-Matching-Meets-Biology。
引用
@article{arxiv.2507.17731,
title = {Flow Matching Meets Biology and Life Science: A Survey},
author = {Zihao Li and Zhichen Zeng and Xiao Lin and Feihao Fang and Yanru Qu and Zhe Xu and Zhining Liu and Xuying Ning and Tianxin Wei and Ge Liu and Hanghang Tong and Jingrui He},
journal= {arXiv preprint arXiv:2507.17731},
year = {2026}
}
备注
Nature Portfolio Journal Artificial Intelligence, 34 pages