用于蛋白质序列设计的重要性加权期望最大化算法
Importance Weighted Expectation-Maximization for Protein Sequence Design
AI总结：
提出 IsEM-Pro 潜变量生成模型，结合独立学习的 MRFs 组合结构特征与 MCEM 训练，以生成高适应度、多样且新颖的蛋白质序列，平均适应度较此前最佳方法提升至少 55%。
摘要：
设计具有所需生物功能的蛋白质序列在生物学和化学中至关重要。近期的机器学习方法使用代理序列-功能模型来替代昂贵的湿实验验证。我们如何才能高效生成具有高适应度的多样化且新颖的蛋白质序列？本文提出 IsEM-Pro，这是一种朝着给定适应度准则生成蛋白质序列的方法。其核心是一个潜变量生成模型，并利用来自单独学习的 Markov random fields（MRFs，马尔可夫随机场）的组合结构特征进行增强。我们开发了一种 Monte Carlo Expectation-Maximization 方法（MCEM，蒙特卡洛期望最大化）来学习该模型。在推理过程中，从其潜空间采样可增强多样性，同时其 MRFs 特征引导在高适应度区域中的探索。在八项蛋白质序列设计任务上的实验表明，我们的 IsEM-Pro 在平均适应度得分上比此前最佳方法至少高出 55%，并生成更加多样化和新颖的蛋白质序列。
英文摘要：
Designing protein sequences with desired biological function is crucial in biology and chemistry. Recent machine learning methods use a surrogate sequence-function model to replace the expensive wet-lab validation. How can we efficiently generate diverse and novel protein sequences with high fitness? In this paper, we propose IsEM-Pro, an approach to generate protein sequences towards a given fitness criterion. At its core, IsEM-Pro is a latent generative model, augmented by combinatorial structure features from a separately learned Markov random fields (MRFs). We develop an Monte Carlo Expectation-Maximization method (MCEM) to learn the model. During inference, sampling from its latent space enhances diversity while its MRFs features guide the exploration in high fitness regions. Experiments on eight protein sequence design tasks show that our IsEM-Pro outperforms the previous best methods by at least 55% on average fitness score and generates more diverse and novel protein sequences.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
