基于组相对优势的位置感知动态肽优化 PepEVOLVE
机器学习
2025-11-24 v1 人工智能
摘要
大环肽是一种将类生物学亲和力与小分子可开发性结合的新兴药物模式，但其庞大的组合空间和多目标问题使得前期优化缓慢且具有挑战性。先前的生成方法如 PepINVENT 需要化学家预先指定可变位置进行优化，这些选择往往并非先验已知，并依赖于静态预训练和优化算法，这限制了模型的泛化能力和有效优化肽序列的潜力。我们引入 PepEVOLVE，一个位置感知的、动态的框架，旨在学习在何处编辑以及如何动态优化肽以实现多目标改进。PepEVOLVE (i) 通过动态掩码和 CHUCKLES 位移增强预训练，以提高泛化能力；(ii) 使用无上下文多臂老虎机路由器发现高奖励残基；(iii) 将一种新颖的演化优化算法与组相对优势相耦合，以稳定强化学习更新。在体内模拟评估期间，路由策略可靠地学习并将概率集中在影响肽性质的化学上有意义的位点上。在一个以治疗为动机的 Rev 结合大环肽基准测试中，PepEVOLVE 在均值得分上超过 PepINVENT（约 0.8 vs. 0.6），达到最佳候选得分 0.95（vs. 0.87），并在优化通透性和亲脂性并受结构约束的任务中更少步数即可收敛。总体而言，PepEVOLVE 提供了一条在最佳编辑位点未知时可实现、可重复的肽前期优化路径，使更高效地探索并在多个目标上提高设计质量。
引用
@article{arxiv.2511.16912,
title = {PepEVOLVE: Position-Aware Dynamic Peptide Optimization via Group-Relative Advantage},
author = {Trieu Nguyen and Hao-Wei Pang and Shasha Feng},
journal= {arXiv preprint arXiv:2511.16912},
year = {2025}
}