Fugu-MT 論文翻訳(概要): Eterna is Solved

論文の概要: Eterna is Solved

arxiv url: http://arxiv.org/abs/2505.02110v1
Date: Sun, 04 May 2025 13:31:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-06 18:49:35.430347
Title: Eterna is Solved
Title（参考訳）: Eternaは解決された
Authors: Tristan Cazenave,
Abstract要約: 我々は,MOGNRPALR RNA設計アルゴリズムを用いた多目的汎用Nested Rollout Policy Adaptationを提案する。
参考スコア（独自算出の注目度）: 4.561007128508218
License: http://creativecommons.org/licenses/by/4.0/
Abstract: RNA design consists of discovering a nucleotide sequence that folds into a target secondary structure. It is useful for synthetic biology, medicine, and nanotechnology. We propose Montparnasse, a Multi Objective Generalized Nested Rollout Policy Adaptation with Limited Repetition (MOGNRPALR) RNA design algorithm. It solves the Eterna benchmark.
Abstract（参考訳）: RNAの設計は、標的の二次構造に折り畳むヌクレオチド配列を発見することから構成される。合成生物学、医学、ナノテクノロジーに有用である。我々は,MOGNRPALR RNA設計アルゴリズムを用いた多目的汎用Nested Rollout Policy Adaptationを提案する。 Eternaベンチマークを解決します。

関連論文リスト

Regulatory DNA sequence Design with Reinforcement Learning [56.20290878358356]
本稿では,強化学習を利用して事前学習した自己回帰モデルを微調整する生成手法を提案する。 2つの酵母培地条件下でのプロモーター設計タスクの評価と,3種類のヒト細胞に対するエンハンサー設計タスクの評価を行った。
論文参考訳（メタデータ） (2025-03-11T02:33:33Z)
Helix-mRNA: A Hybrid Foundation Model For Full Sequence mRNA Therapeutics [3.2508287756500165]
mRNAベースのワクチンは製薬業界において主要な焦点となっている。この性質のためにmRNA配列を最適化するのは難しい課題ですこれらの課題に対処するために、構造化された状態空間ベースおよび注目ハイブリッドモデルであるHelix-mRNAを提案する。
論文参考訳（メタデータ） (2025-02-19T14:51:41Z)
RNACG: A Universal RNA Sequence Conditional Generation model based on Flow-Matching [0.0]
本稿では,フローマッチングに基づくRNA配列設計のための汎用フレームワークであるRNACG(RNA Generator)を提案する。 1つのフレームワークでシーケンス生成を統一することにより、RNACGは複数のRNA設計パラダイムの統合を可能にする。
論文参考訳（メタデータ） (2024-07-29T09:46:46Z)
Bridging Sequence-Structure Alignment in RNA Foundation Models [7.068604225076706]
基礎モデル(FM)におけるRNA配列と構造との整合性についてはまだ研究されていない。既存のFMは配列構造アライメントを確立するのに苦労しており、ゲノム情報の自由な流れを妨げる。 OmniGenomeはRNA配列を構造コンテクスト化されたモデリングに基づく二次構造に整合させる訓練されたRNA FMである。
論文参考訳（メタデータ） (2024-07-15T21:10:40Z)
RiNALMo: General-Purpose RNA Language Models Can Generalize Well on Structure Prediction Tasks [1.1764999317813143]
リボ核酸言語モデル(RiNALMo)を導入し,RNAの隠れコードを明らかにする。 RiNALMoは、これまでで最大のRNA言語モデルであり、6億5千万のパラメータが3600万の非コーディングRNA配列で事前訓練されている。
論文参考訳（メタデータ） (2024-02-29T14:50:58Z)
gRNAde: Geometric Deep Learning for 3D RNA inverse design [14.729049204432027]
gRNAdeは3次元RNAバックボーンで動作する幾何学的RNA設計パイプラインである。構造と力学を明示的に考慮したシーケンスを生成する。
論文参考訳（メタデータ） (2023-05-24T05:46:56Z)
Efficient Automation of Neural Network Design: A Survey on Differentiable Neural Architecture Search [70.31239620427526]
微分可能なニューラルネットワーク探索(DNAS)は、ディープニューラルネットワークアーキテクチャの発見を自動化するトレンドのアプローチとして、急速に自らを強制した。この増加は主に、最初の主要なDNAS法の一つであるDARTSの人気が原因である。本総説では,DNASに特に焦点をあて,最近のアプローチを概観する。
論文参考訳（メタデータ） (2023-04-11T13:15:29Z)
RDesign: Hierarchical Data-efficient Representation Learning for Tertiary Structure-based RNA Design [65.41144149958208]
本研究では,データ駆動型RNA設計パイプラインを体系的に構築することを目的とする。我々は、ベンチマークデータセットを作成し、複雑なRNA第三次構造を表現するための包括的な構造モデリングアプローチを設計した。 RNA設計プロセスを容易にするために,塩基対を持つ抽出二次構造体を事前知識として組み込んだ。
論文参考訳（メタデータ） (2023-01-25T17:19:49Z)
Accurate RNA 3D structure prediction using a language model-based deep learning approach [50.193512039121984]
RhoFold+はRNA言語モデルに基づくディープラーニング手法で、配列から単一鎖RNAの3次元構造を正確に予測する。 RhoFold+はRNA 3D構造予測のための完全に自動化されたエンドツーエンドパイプラインを提供する。
論文参考訳（メタデータ） (2022-07-04T17:15:35Z)
Improving RNA Secondary Structure Design using Deep Reinforcement Learning [69.63971634605797]
本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
論文参考訳（メタデータ） (2021-11-05T02:54:06Z)
RNA Secondary Structure Prediction By Learning Unrolled Algorithms [70.09461537906319]
本稿では,RNA二次構造予測のためのエンド・ツー・エンドのディープラーニングモデルであるE2Efoldを提案する。 E2Efoldの鍵となる考え方は、RNA塩基対行列を直接予測し、制約のないプログラミングを、制約を強制するための深いアーキテクチャのテンプレートとして使うことである。ベンチマークデータセットに関する包括的な実験により、E2Efoldの優れた性能を実証する。
論文参考訳（メタデータ） (2020-02-13T23:21:25Z)

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。