SGES以适应度子空间提升定向进化

SiYuan Ma等在arXiv预印本中提出线性适应度子空间（LFS）假设与子空间引导进化搜索方法SGES；基于少量初始样本估计LFS，并在该子空间内完成代理建模、不确定性估计和候选获取，在限定测试中提升了蛋白质适应度预测与搜索效率。 结果覆盖ProteinGym的10个核心测试、87个扩展静态验证测试及18个预算受限的定向进化测试，比较对象包括零样本蛋白质语言模型和近期机器学习引导优化基线。作者称，LFS是局部、可由监督信号恢复的陈述，不意味着蛋白质适应度景观或蛋白质语言模型的全局几何普遍线性；材料未提供实验湿验证或独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。