arXiv cs.AI· Joel Shor, Subhashini Venugopalan·· 3 天前AI 评分32
AutoNovo：智能体程序搜索发现可迁移的核酸设计算法
AutoNovo: Agentic Program Search Discovers Transferable Nucleic Acid Design Algorithms
AI 导读
AutoNovo 用智能体程序搜索迭代地提出、执行、评估和修改核酸设计器代码，其设计器在 3/3 个 DNA 设计任务的 in-silico 性能上取得所评估方法中的最佳均值，并在 6/6 个独立模型迁移任务上表现最佳。这些设计器来自一个被发现的设计器家族，而非单一通用最优设计器，团队计划发布这些设计器。
正文 · AI 翻译
摘要：核酸的计算机模拟优化依赖于预测预言机，而这些预言机无法完美捕捉生物功能，因此针对某一模型优化的序列可能利用模型特有的伪影，无法泛化到独立模型。近期研究表明，并非所有设计器都能同样良好地泛化到独立模型。在本工作中，我们使用智能体程序搜索来迭代地提出、执行、评估和修订核酸设计器的代码。我们描述了用于引导搜索的成功策略。在计算机模拟性能方面，AutoNovo 设计器在 3/3 个 DNA 设计任务上取得了所评估方法中观察到的最佳均值；在独立模型方面，在 6/6 个迁移任务上也是如此。这些设计器来自一个被发现核酸设计器家族，而非单一通用最佳设计器。我们计划发布所得的设计器。这些结果是创建最大化跨模型泛化的核酸设计器的第一步，从而提高了计算机模拟设计的序列反映真实生物学的可能性。
| 评论： | 第 40 届神经信息处理系统大会（NeurIPS 2026）。研讨会：用于生物发现的智能体 AI |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；定量方法（q-bio.QM） |
| 引用为： | arXiv:2610.16232 [cs.LG] |
| （或 arXiv:2610.16232v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16232 arXiv 颁发的 DOI，通过 DataCite（待注册） |
提交历史
来自：Joel Shor [查看电子邮件]
[v1]
2026 年 10 月 12 日星期一 06:08:54 UTC（131 KB）
来源：arXiv cs.AI · arxiv.org