論文の概要: Messenger and Non-Coding RNA Design via Expected Partition Function and Continuous Optimization

• arxiv url: http://arxiv.org/abs/2401.00037v1
• Date: Fri, 29 Dec 2023 18:37:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 19:03:00.498260
• Title: Messenger and Non-Coding RNA Design via Expected Partition Function and Continuous Optimization
• Title（参考訳）: 期待分割関数と連続最適化によるMessengerと非コーディングRNAの設計
• Authors: Ning Dai, Wei Yu Tang, Tianshuo Zhou, David H. Mathews, Liang Huang
• Abstract要約: 我々は、メッセンジャーRNAと非コーディングRNAの継続的な最適化のためのフレームワークを開発する。 この枠組みには2つの重要なケーススタディがある。 どちらの場合も,提案手法は有望な予備結果を示す。
• 参考スコア（独自算出の注目度）: 4.53482492156538
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The tasks of designing messenger RNAs and non-coding RNAs are discrete optimization problems, and several versions of these problems are NP-hard. As an alternative to commonly used local search methods, we formulate these problems as continuous optimization and develop a general framework for this optimization based on a new concept of "expected partition function". The basic idea is to start with a distribution over all possible candidate sequences, and extend the objective function from a sequence to a distribution. We then use gradient descent-based optimization methods to improve the extended objective function, and the distribution will gradually shrink towards a one-hot sequence (i.e., a single sequence). We consider two important case studies within this framework, the mRNA design problem optimizing for partition function (i.e., ensemble free energy) and the non-coding RNA design problem optimizing for conditional (i.e., Boltzmann) probability. In both cases, our approach demonstrate promising preliminary results. We make our code available at https://github.com/KuNyaa/RNA_Design_codebase.
• Abstract（参考訳）: メッセンジャーRNAと非コーディングRNAを設計するタスクは離散最適化の問題であり、これらの問題のいくつかのバージョンはNPハードである。 一般的な局所探索法に代わるものとして,これらの問題を連続最適化として定式化し,「期待分割関数」という新しい概念に基づく最適化のための汎用フレームワークを開発する。 基本的な考え方は、可能な全ての候補列にまたがる分布から始め、目的関数を系列から分布へと拡張することである。 次に,勾配勾配に基づく最適化法を用いて拡張対象関数を改良し,分布は徐々に1つのホットシーケンス(すなわち1つのシーケンス)へと縮小する。 この枠組みにおける2つの重要なケーススタディとして、分配関数(すなわちアンサンブル自由エネルギー)を最適化するmRNA設計問題と、条件付き(すなわちボルツマン)確率を最適化する非コーディングRNA設計問題を考える。 いずれの場合も,本手法は有望な予備結果を示す。 コードはhttps://github.com/kunyaa/rna_design_codebaseで利用可能です。

関連論文リスト

• A Continuous Relaxation for Discrete Bayesian Optimization [17.312618575552]
  推論と最適化は計算処理が可能であることを示す。 特に、観測と厳格な予算がほとんど存在しない最適化領域について検討する。 得られた取得関数は、連続的あるいは離散的な最適化アルゴリズムで最適化可能であることを示す。
  論文  参考訳（メタデータ） (2024-04-26T14:47:40Z)
• Functional Graphical Models: Structure Enables Offline Data-Driven Optimization [111.28605744661638]
  構造がサンプル効率のよいデータ駆動最適化を実現する方法を示す。 また、FGM構造自体を推定するデータ駆動最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-08T22:33:14Z)
• ProGO: Probabilistic Global Optimizer [9.772380490791635]
  本稿では,いくつかの温和な条件下でのグローバルオプティマに収束するアルゴリズムを開発する。 提案アルゴリズムは,従来の最先端手法よりも桁違いに優れていることを示す。
  論文  参考訳（メタデータ） (2023-10-04T22:23:40Z)
• Enhancing Hyper-To-Real Space Projections Through Euclidean Norm Meta-Heuristic Optimization [0.39146761527401425]
  メタヒューリスティック最適化により,計算負荷の少ない様々な問題に対して,ロバストな近似解が得られることを示す。 それまでの作業では、四元数のような検索空間の超複素表現を用いることでこの問題に対処していた。 最適化手順が完了すると、代わりにミンコフスキー$p$-normを用いることでより優れた解を得ることができる。
  論文  参考訳（メタデータ） (2023-01-31T14:40:49Z)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
  統計的決定論の研究からシャノンエントロピーの一般化を考える。 まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。 次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
  論文  参考訳（メタデータ） (2022-10-04T04:43:58Z)
• Designing Biological Sequences via Meta-Reinforcement Learning and Bayesian Optimization [68.28697120944116]
  メタ強化学習を用いて自己回帰生成モデルを訓練し、選択のための有望なシーケンスを提案する。 我々は,データのサブセットのサンプリングによって誘導されるMDPの分布に対する最適ポリシーを求める問題として,この問題を提起する。 このようなアンサンブルに対するメタラーニングは,報酬の過小評価に対して頑健であり,競争的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-13T18:37:27Z)
• Bayesian Variational Optimization for Combinatorial Spaces [0.0]
  幅広い応用としては、分子、タンパク質、DNA、デバイス構造、量子回路の設計などが挙げられる。 最適解や最適解を見つけるためには、圏空間上の最適化が不可欠である。 本稿では,変分最適化と連続緩和を組み合わせた変分ベイズ最適化手法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T20:56:13Z)
• Obtaining Adjustable Regularization for Free via Iterate Averaging [43.75491612671571]
  最適化のための正規化は、機械学習の過度な適合を避けるための重要なテクニックである。 我々は、任意の強凸かつ滑らかな対象関数上のSGDの繰り返しを正規化された関数に変換する平均化スキームを確立する。 提案手法は,高速化および事前条件最適化手法にも利用できる。
  論文  参考訳（メタデータ） (2020-08-15T15:28:05Z)
• Global Optimization of Gaussian processes [52.77024349608834]
  少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。 このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。 提案手法の順序の順序による時間収束を,総じて低減する。
  論文  参考訳（メタデータ） (2020-05-21T20:59:11Z)
• Incorporating Expert Prior in Bayesian Optimisation via Space Warping [54.412024556499254]
  大きな探索空間では、アルゴリズムは関数の最適値に達する前に、いくつかの低関数値領域を通過する。 このコールドスタートフェーズの1つのアプローチは、最適化を加速できる事前知識を使用することである。 本稿では,関数の事前分布を通じて,関数の最適性に関する事前知識を示す。 先行分布は、探索空間を最適関数の高確率領域の周りに拡張し、最適関数の低確率領域の周りに縮小するようにワープする。
  論文  参考訳（メタデータ） (2020-03-27T06:18:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。