PulseAugur
中
实时 20:07:47
English(EN) Protein-Conditioned Multi-Objective Reinforcement Learning for Full-Length mRNA Design

研究人员开发 ProMORNA 用于从蛋白质序列从头设计 mRNA

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 ProMORNA，一个用于设计治疗性信使 RNA (mRNA) 序列的新颖框架。该系统使用在数百万个蛋白质-mRNA 对上训练的 BART 式编码器-解码器模型，并采用多目标强化学习来同时优化稳定性、翻译效率和免疫安全性。ProMORNA 在计算机上显示出在预测未见目标半衰期和翻译效率方面的改进性能，优于现有的监督方法。 AI

影响 引入了一种新的机器学习驱动方法来设计复杂的生物分子，有可能加速治疗开发。

排序理由 详细介绍使用机器学习进行 mRNA 设计新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究人员开发 ProMORNA 用于从蛋白质序列从头设计 mRNA

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zixi Shao, Tao Wang, Yibei Xiao, Tianyi Huang ·

    用于全长 mRNA 设计的蛋白质条件多目标强化学习

    arXiv:2605.01513v1 Announce Type: new Abstract: Designing therapeutic messenger RNA (mRNA) requires creating full-length transcripts that carefully balance stability, translation efficiency, and immune safety. To address this challenge, we propose ProMORNA, a multi-objective gene…

相关实体

相关话题