面向可控生物序列设计的多目标引导离散流匹配
机器学习
2025-05-15 v2 生物大分子
摘要
设计满足多个往往是相互冲突的功能和生物物理准则的生物序列是生物分子工程的核心挑战。虽然最近的离散流匹配模型在高维序列空间中显示出高效采样的前景，但现有方法仅解决单目标或需要连续嵌入，这会扭曲离散分布。我们提出了多目标引导离散流匹配（MOG-DFM），是一个通用的框架，可将任何预训练的离散流匹配生成器引导至帕累托高效的多目标权衡。在每个采样步骤中，MOG-DFM计算候选转换的混合秩向导得分，并应用自适应锥体过滤器以确保多目标一致性。我们还训练了两个无条件离散流匹配模型，PepDFM用于多样化肽生成，EnhancerDFM用于功能增强子DNA生成，作为MOG-DFM的基础生成模型。我们展示了MOG-DFM在生成针对五个属性（血仿性、非粘性、溶解性、半衰期和结合亲和力）优化的肽结合器，以及在设计特定增强子类别和DNA造型的DNA序列方面的有效性。总体而言，MOG-DFM证明是多属性引导生物分子序列设计的强大工具。
引用
@article{arxiv.2505.07086,
title = {Multi-Objective-Guided Discrete Flow Matching for Controllable Biological Sequence Design},
author = {Tong Chen and Yinuo Zhang and Sophia Tang and Pranam Chatterjee},
journal= {arXiv preprint arXiv:2505.07086},
year = {2025}
}