arXiv cs.AI· Genoria AI Team, Yuejie Hou, Lixiang Yang, Yisi Liu, Weiting Tang, Yueyuxiao Yang, Meng Yang·· 10 小时前AI 评分45
EnzymeRSI：面向酶设计的双循环递归自我改进系统
EnzymeRSI: A dual-loop recursive self-improvement system for enzyme design
AI 导读
EnzymeRSI 是一个双循环递归自我改进系统，外循环在不改变模型权重的前提下进化工作流资产，内循环在受控条件下开发预测与选择算法，并规划云实验室闭环。
正文 · AI 翻译
摘要：酶工程的改进通常是在固定的模型和工作流程内优化候选酶的选择；当瓶颈源于方法不匹配或工作流程失效时，这条路径很难摆脱困境。我们提出 EnzymeRSI，一个用于递归自我改进（RSI）的双环系统。外环在不改变模型权重的情况下演化工具资产，内环在受控条件下开发预测与选择算法，并指定了一个云实验室系统，通过质量受控的反馈闭合物理环路。通过迭代比较更新其预测策略，外环在 ProteinGym 上跨五项测定将开发集 Spearman 相关性的均值提高了 0.044，在 CD19 上达到 0.335，在 OPSD（视紫红质）上达到 0.683；在两个第一名中，只有 CD19 是由外环本身产生的。在 ThermoMPNN 算法的自我改进中，内环达到 PCC 0.849，在 TadA-Bench 上于 1.13 小时内达到 Spearman 相关性 0.307。在该系统实验决策的三项前瞻性湿实验测试中，未预先指定的 32 个荧光素酶 RLuc 候选中有 10 个表现出至少两倍于野生型的活性；推荐的胞苷脱氨酶 A3A 变体将 5mC 转化率提高到 90.2%；进化中的路径选择将 DNA 聚合酶 KOD-E 在修饰底物上的催化效率提高到亲本的 31.1 倍。通过将研究工作流程的组织与算法的开发视为一个单一的可证伪干湿闭环，这项工作为超越固定方法的盲区和实现自主酶工程提供了一种演化范式。
| 评论： | 28 页，8 幅图，7 张表 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.06321 [cs.AI] |
| （或 arXiv:2611.06321v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06321 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：YueJie Hou [查看电子邮件]
[v1]
2026 年 11 月 4 日星期三 10:54:35 UTC（1,760 KB）
来源：arXiv cs.AI · arxiv.org