计算机科学>机器学习
标题: 利用去噪自编码器加速生物序列设计的贝叶斯优化
摘要: 贝叶斯优化(BayesOpt)是高效查询连续优化的黄金标准。 然而,它在药物设计中的应用受到了决策变量离散、高维性质的阻碍。 我们开发了一种新的方法(LaMBO),该方法将去噪自动编码器与区分性多任务高斯处理头联合训练,允许在自动编码器的潜在空间中对多目标捕获函数进行基于梯度的优化。 这些采集功能使LaMBO能够在多轮设计中平衡勘探开发权衡,并通过优化帕累托边界上许多不同点的序列来平衡客观权衡。 我们在两个小分子设计任务上评估了LaMBO,并介绍了优化大分子荧光蛋白在硅中和体外特性的新任务。 在我们的实验中,LaMBO优于遗传优化器,并且不需要大量的预训练语料库,这表明BayesOpt对于生物序列设计是实用和有效的。