arXiv cs.AI· Trieu Nguyen, Hao-Wei Pang, Shasha Feng·· 13 小时前AI 评分27
PepEVOLVE：基于组相对优势的位置感知动态多肽优化框架
PepEVOLVE: Position-Aware Dynamic Peptide Optimization via Group-Relative Advantage
AI 导读
PepEVOLVE 是一个位置感知的动态多肽先导优化框架，无需化学家预先指定可编辑位点，即可同时学习"在哪里改"和"如何优化"。它通过动态掩码与 CHUCKLES shifting 增强预训练、用无上下文多臂老虎机路由器发现高奖励残基，并结合组相对优势的进化优化算法稳定强化学习更新。
正文 · AI 翻译
摘要：大环肽是一种新兴的治疗模式，兼具类生物制剂的亲和力和类小分子的可开发性，但其庞大的组合空间和多参数目标使先导优化变得缓慢且充满挑战。此前的肽先导优化生成方法（如 PepINVENT）要求化学家预先指定可变的优化位点，而这些选择并非总能先验得知，并且依赖静态预训练和优化算法，限制了模型的泛化能力和对肽序列的有效优化。我们提出 PepEVOLVE，一个位置感知的动态框架，能够学习在何处进行编辑以及如何动态优化肽以实现多参数改进。PepEVOLVE (i) 通过动态掩码和 CHUCKLES 移位增强预训练以提升泛化能力，(ii) 使用无上下文的多臂老虎机路由器来发现高奖励残基，(iii) 将一种新颖的演化优化算法与组相对优势相结合以稳定强化更新。在计算机评估中，路由器策略能够可靠地学习并将概率集中在影响目标肽性质的化学上可处理的位点上。在具有治疗动机的 Rev 结合大环基准上，PepEVOLVE 在优化渗透性和亲脂性并受结构约束的任务中优于 PepINVENT，达到更高的平均渗透性加权优化分数，约为 0.8 对 0.6，最佳候选分数为 0.97（对 0.89），并且收敛步数更少。总体而言，PepEVOLVE 为在最优编辑位点未知时进行线性和大环肽先导优化提供了一条实用、可复现的路径，能够实现更高效的化学空间探索，并在多个目标上提升设计质量，从而加速设计周期。
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI) |
| 引用为： | arXiv:2511.16912 [cs.LG] |
| （或 arXiv:2511.16912v2 [cs.LG] 为此版本） | |
| https://doi.org/10.48550/arXiv.2511.16912 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Trieu Nguyen [查看电子邮件]
[v1]
2025年11月21日星期五 02:51:15 UTC (1,758 KB)
[v2]
2026年10月28日星期三 00:20:06 UTC (4,911 KB)
来源：arXiv cs.AI · arxiv.org