arXiv cs.AI· Qi Si, Xuyang Liu, Penglei Wang, Shuo Su, Limei Han, Mengzhu Li, Xin Guo, Yuan Qi, Yuan Cheng·· 11 小时前AI 评分20
GOLD：面向结构感知 RNA 逆折叠的几何优化隐扩散模型
GOLD: Geometric Optimized Latent Diffusion for Structure-Aware RNA Inverse Folding
AI 导读
GOLD 提出几何优化隐扩散方法用于 RNA 逆折叠，通过 GeoVAE 将离散序列与连续侧链角度映射到统一隐流形，实现协同扩散。该方法引入免训练、梯度引导的采样机制，从物理约束计算解析梯度以提升结构稳定性。实验显示其在序列恢复、二级结构有效性和 3D 可折叠性指标上达到 SOTA，论文被 NeurIPS 2026 接收为 Spotlight。
正文 · AI 翻译
摘要：设计能折叠成特定 3D 结构的 RNA 序列是治疗领域的一项基础性挑战。当前的 RNA 逆折叠方法通常以 3D 骨架坐标为条件，但生成仅限于一维离散序列。这忽略了连续侧链取向，而侧链取向对整体结构稳定性至关重要。为解决这一问题，我们在 RNA 生成过程中显式引入侧链几何。与在分离的原始空间中扩散的协同设计框架不同，我们提出几何优化潜在扩散（\textbf{GOLD}），将序列和结构投影到统一的潜在流形中。GOLD 采用新颖的 GeoVAE，将离散 RNA 序列与连续侧链角度优雅地整合在一起。通过将这些模态映射到单一、平滑的潜在流形，GOLD 自然地促进了协同共扩散过程。为增强结构有效性，我们进一步引入一种无需训练、梯度引导的采样机制。通过在采样过程中将生成的序列概率和侧链几何解码为结构，我们计算来自物理约束的解析梯度。这种动态反馈主动引导生成的序列达到物理稳定状态。大量实验验证了 GOLD 的优越性，在序列恢复、二级结构有效性和 3D 可折叠性指标上均达到最先进性能。我们的代码和数据已在 此 https URL 公开。
| 评论： | 被接收为 NeurIPS 2026 的 Spotlight 论文 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.22992 [cs.AI] |
| （或 arXiv:2610.22992v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22992 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Qi Si [查看电子邮件]
[v1]
2026 年 10 月 16 日星期五 06:16:09 UTC（7,077 KB）
来源：arXiv cs.AI · arxiv.org