論文の概要: RNAGenScape: Property-guided Optimization and Interpolation of mRNA Sequences with Manifold Langevin Dynamics

• arxiv url: http://arxiv.org/abs/2510.24736v1
• Date: Tue, 14 Oct 2025 19:55:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 05:35:45.998268
• Title: RNAGenScape: Property-guided Optimization and Interpolation of mRNA Sequences with Manifold Langevin Dynamics
• Title（参考訳）: RNAGenScape:Manifold Langevin Dynamicsを用いたmRNA配列の最適化と補間
• Authors: Danqi Liao, Chen Liu, Xingzhi Sun, Dié Tang, Haochen Wang, Scott Youlten, Srikar Krishna Gopinath, Haejeong Lee, Ethan C. Strayer, Antonio J. Giraldez, Smita Krishnaswamy,
• Abstract要約: RNAGenScapeは、学習された潜在多様体内のmRNA配列を反復的に更新するプロパティ誘導多様体ランゲヴィン動的フレームワークである。 プロパティ誘導最適化とシーケンス間のスムーズな設計をサポートし、希少でアンサンプされたデータの下で堅牢なままである。 RNAGenScapeはmRNA配列モデリングにおける制御可能なmRNA設計と潜時空間探索のパラダイムを確立している。
• 参考スコア（独自算出の注目度）: 14.76553653030291
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: mRNA design and optimization are important in synthetic biology and therapeutic development, but remain understudied in machine learning. Systematic optimization of mRNAs is hindered by the scarce and imbalanced data as well as complex sequence-function relationships. We present RNAGenScape, a property-guided manifold Langevin dynamics framework that iteratively updates mRNA sequences within a learned latent manifold. RNAGenScape combines an organized autoencoder, which structures the latent space by target properties for efficient and biologically plausible exploration, with a manifold projector that contracts each step of update back to the manifold. RNAGenScape supports property-guided optimization and smooth interpolation between sequences, while remaining robust under scarce and undersampled data, and ensuring that intermediate products are close to the viable mRNA manifold. Across three real mRNA datasets, RNAGenScape improves the target properties with high success rates and efficiency, outperforming various generative or optimization methods developed for proteins or non-biological data. By providing continuous, data-aligned trajectories that reveal how edits influence function, RNAGenScape establishes a scalable paradigm for controllable mRNA design and latent space exploration in mRNA sequence modeling.
• Abstract（参考訳）: mRNAの設計と最適化は、合成生物学と治療開発において重要であるが、マシンラーニングでは未研究のままである。 mRNAの体系的な最適化は、欠如と不均衡なデータと複雑なシーケンス関数の関係によって妨げられる。 本稿では、学習された潜在多様体内のmRNA配列を反復的に更新するプロパティ誘導多様体ランゲヴィン動的フレームワークであるRNAGenScapeを提案する。 RNAGenScapeは、効率的かつ生物学的に妥当な探索のためにターゲット特性によって潜在空間を構造化する組織化されたオートエンコーダと、多様体への更新の各ステップを契約する多様体プロジェクタを組み合わせる。 RNAGenScapeはプロパティ誘導最適化と配列間のスムーズな補間をサポートし、希少かつアンダーサンプルデータの下で頑健なままであり、中間生成物がmRNA多様体に近いことを保証する。 3つの実際のmRNAデータセット全体で、RNAGenScapeは高い成功率と効率でターゲット特性を改善し、タンパク質や非生物学的データのために開発された様々な生成的あるいは最適化手法より優れている。 RNAGenScapeは、影響関数の編集方法を明らかにする連続したデータ整列軌道を提供することにより、mRNA配列モデリングにおける制御可能なmRNA設計と潜時空間探索のためのスケーラブルなパラダイムを確立する。

関連論文リスト

• A New Deep-learning-Based Approach For mRNA Optimization: High Fidelity, Computation Efficiency, and Multiple Optimization Factors [12.26159226306187]
  我々は,mRNA最適化のための新しい深層学習手法である textbfRNop を紹介する。 我々は,300万以上のシーケンスを含む大規模データセットを収集し,GPLoss,CAILoss,tAILoss,MFELossという4つの特別な損失関数を設計する。 RNopはハイシークエンスを保証し、47.32シークエンス/秒までの計算スループットを実現し、最適化されたmRNAシークエンスを生成する。
  論文  参考訳（メタデータ） (2025-05-29T08:21:11Z)
• 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)
• Latent Diffusion Models for Controllable RNA Sequence Generation [33.38594748558547]
  RNAはDNAとタンパク質の間の重要な中間体であり、高い配列の多様性と複雑な3次元構造を示す。 可変長の離散RNA配列の生成と最適化のための潜時拡散モデルを開発した。 実験の結果、RNA拡散は様々な生物学的指標の自然な分布と一致した非コードRNAを生成することが確認された。
  論文  参考訳（メタデータ） (2024-09-15T19:04:50Z)
• 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)
• BEACON: Benchmark for Comprehensive RNA Tasks and Language Models [60.02663015002029]
  本稿では、最初の包括的なRNAベンチマークBEACON(textbfBEnchmtextbfArk for textbfCOmprehensive RtextbfNA Task and Language Models)を紹介する。 まずBEACONは、構造解析、機能研究、工学的応用を網羅した、これまでの広範囲にわたる研究から導かれた13のタスクから構成される。 第2に、CNNのような従来のアプローチや、言語モデルに基づく高度なRNA基盤モデルなど、さまざまなモデルについて検討し、これらのモデルのタスク固有のパフォーマンスに関する貴重な洞察を提供する。 第3に、重要なRNA言語モデルコンポーネントについて検討する。
  論文  参考訳（メタデータ） (2024-06-14T19:39:19Z)
• 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)

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。