LSCO：潜在空间密码子优化方法

研究者提出潜在空间密码子优化（LSCO），把离散的密码子选择问题映射到预训练 mRNA 语言模型的潜在空间，从而用基于梯度的搜索来优化序列。该方法结合不确定性感知预测器的表达目标、最小自由能正则项、蛋白到密码子回译模型的自然度先验以及约束解码。 在真实湿实验抗体表达数据集上，LSCO 的预测表达优于频率基线及现代深度生成基线，并保持合适的生物物理性质。该结果来自论文报告，尚未见独立验证。

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。