GROOT：利用有限实验数据有效设计生物序列
机器学习
2024-11-19 v1 定量方法
摘要
潜在空间优化（LSO）是一种强大的方法，用于设计离散、高维的生物序列，以最大化昂贵的黑箱函数，例如湿实验。这是通过从可用数据中学习潜在空间，并使用代理模型引导优化算法朝向最优输出来实现的。然而，当标记数据有限时，现有方法会失效，因为使用少量标记数据点训练代理模型可能导致次优输出，与训练数据本身相比没有优势。我们通过引入GROOT（基于图的潜在平滑用于生物序列优化）来应对这一挑战。具体来说，GROOT为训练潜在嵌入周围采样的邻居生成伪标签。然后通过标签传播对这些伪标签进行细化和平滑。此外，我们从理论和实证上证明了我们的方法，展示了GROOT外推到训练集之外区域的能力，同时保持在其与训练区域预期距离的上限内的可靠性。我们在各种生物序列设计任务上评估了GROOT，包括蛋白质优化（GFP和AAV）以及来自Design-Bench的三个具有精确oracle的任务。结果表明，GROOT在不需要访问黑箱oracle或大量标记数据的情况下，与现有方法相当甚至超越，突显了其实用性和有效性。我们在 https://anonymous.4open.science/r/GROOT-D554 发布代码。
引用
@article{arxiv.2411.11265,
title = {GROOT: Effective Design of Biological Sequences with Limited Experimental Data},
author = {Thanh V. T. Tran and Nhat Khang Ngo and Viet Anh Nguyen and Truong Son Hy},
journal= {arXiv preprint arXiv:2411.11265},
year = {2024}
}