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)
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)
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。