論文の概要: Multimodal Alignment and Preference Optimization for Zero-Shot Conditional RNA Generation

• arxiv url: http://arxiv.org/abs/2605.23961v1
• Date: Tue, 12 May 2026 10:54:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 02:55:42.979946
• Title: Multimodal Alignment and Preference Optimization for Zero-Shot Conditional RNA Generation
• Title（参考訳）: ゼロショット条件RNA生成のためのマルチモーダルアライメントと優先最適化
• Authors: Roman Klypa, Alberto Bietti, Sergei Grudinin,
• Abstract要約: 条件RNA配列生成を多段階アライメント問題として,モイラインを導入した。 我々のアプローチは、RNAコーパスの大規模プレトレーニングから始まり、配列の妥当性を捉える。 ターゲット特異的な生成を実現するために、タンパク質の構造的およびシーケンシャルな特徴に対してRNA合成を条件とするマルチモーダルSFTアーキテクチャを用いる。
• 参考スコア（独自算出の注目度）: 17.221063819653626
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The design of RNA molecules that interact with specific proteins is a critical challenge in experimental and computational biology. Despite recent progress in natural language modeling and deep learning-based protein design, there remains significant room to improve the frequency of successful interactions and the authenticity of generated sequences for functional applications. In this work, we frame conditional RNA sequence generation as a multi-stage alignment problem, introducing Moirain: a suite of models optimized via multimodal supervised fine-tuning (SFT) and Direct Preference Optimization (DPO). Our approach begins with large-scale pretraining on diverse RNA corpora to capture the fundamental grammars of sequence plausibility. To achieve target-specific generation, we employ a multimodal SFT architecture that conditions RNA synthesis on protein structural and sequential features. Finally, we leverage DPO to refine the model using synthetic interaction data: taking advantage of DPO's unique ability to navigate non-aligned preference spaces, we improve functional fitness without collapsing the learned natural distribution. Extensive evaluation of the Moirain series (Moirain-Base, -Multi, and -DPO) demonstrates that our framework consistently produces novel, diverse, and biologically plausible RNA sequences with superior binding affinities compared to existing baselines.
• Abstract（参考訳）: 特定のタンパク質と相互作用するRNA分子の設計は、実験的および計算生物学において重要な課題である。 近年の自然言語モデリングと深層学習に基づくタンパク質設計の進歩にもかかわらず、良好な相互作用の頻度と機能的応用のための生成シーケンスの信頼性を改善するための重要な余地は残されている。 本研究では,条件RNA配列生成を多段階アライメント問題として,マルチモーダル教師付き微調整(SFT)と直接優先度最適化(DPO)によって最適化されたモデル群であるMoirainを導入する。 提案手法は,RNAコーパスの大規模事前学習から始まり,塩基配列の妥当性の基本的な文法を抽出する。 ターゲット特異的な生成を実現するために、タンパク質の構造的およびシーケンシャルな特徴に対してRNA合成を条件とするマルチモーダルSFTアーキテクチャを用いる。 最後に、DPOを利用して合成相互作用データを用いてモデルを洗練し、非整合性選好空間をナビゲートするDPOのユニークな能力を活用することにより、学習された自然分布を崩壊させることなく、機能的適合性を向上させる。 Moirainシリーズ(Moirain-Base,-Multi,-DPO)の広範囲な評価は、我々のフレームワークが既存のベースラインよりも優れた結合親和性を持つ新規で多種多様で生物学的に妥当なRNA配列を一貫して生成していることを示している。

関連論文リスト

• Scaling Atomistic Protein Binder Design with Generative Pretraining and Test-Time Compute [64.59043351161004]
  両パラダイムを統一する新規な完全原子結合体生成法であるProteina-Complexaを提案する。 Proteina-Complexa は計算バインダー設計ベンチマークにおける新しい技術状態を設定する。 また, 界面水素結合最適化, フォールドクラス誘導結合体生成, 小分子ターゲットへの拡張, 酵素設計タスクについても述べる。
  論文  参考訳（メタデータ） (2026-03-30T01:54:03Z)
• Structure-based RNA Design by Step-wise Optimization of Latent Diffusion Model [22.539981000962374]
  RNA逆フォールディングは治療、遺伝子制御、合成生物学において重要である。 シーケンシャル・リカバリに焦点をあてた現在の手法は、構造的目的に対処するのに苦労している。 本稿では,潜在拡散モデルと統合された強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-27T06:04:02Z)
• Self Distillation Fine-Tuning of Protein Language Models Improves Versatility in Protein Design [61.2846583160056]
  Supervised Fine-tuning (SFT) は、大規模言語モデルを特殊なドメインに適応するための標準的なアプローチである。 これは、高品質なアノテートされたデータは、自然言語よりもタンパク質の入手がはるかに難しいためである。 生成したタンパク質配列の忠実度,信頼性,新規性を改善するために設計された,PLMの高速SFTのための簡易かつ汎用的なレシピを提案する。
  論文  参考訳（メタデータ） (2025-12-10T05:34:47Z)
• CodonMoE: DNA Language Models for mRNA Analyses [4.046100165562807]
  ゲノム言語モデル (gLMs) は、生物学的モダリティ(DNAとRNA)ごとに別々の特殊モデルを維持するか、大規模なマルチモーダルアーキテクチャを開発するかという、基本的な効率上の課題に直面している。 我々は、DNA言語モデルをRNA固有の事前学習なしで効果的なRNAアナライザに変換する軽量なアダプタであるCodonMoEを紹介した。 我々のアプローチは、ゲノム言語モデリングを統一し、より豊富なDNAデータを活用し、計算オーバーヘッドを減らすための原則化された経路を提供する。
  論文  参考訳（メタデータ） (2025-08-06T01:40:12Z)
• BAnG: Bidirectional Anchored Generation for Conditional RNA Design [15.92155083519678]
  既存の計算手法では、特定のタンパク質ごとに既知のRNA配列がかなり必要である。 RNA-BAnGは,タンパク質相互作用のためのRNA配列を生成するための深層学習モデルである。
  論文  参考訳（メタデータ） (2025-02-28T17:51:00Z)
• Life-Code: Central Dogma Modeling with Multi-Omics Sequence Unification [55.98854157265578]
  Life-Codeは、様々な生物学的機能にまたがる包括的なフレームワークである。 本稿では、RNAを逆転写し、アミノ酸をヌクレオチド配列に変換することで、マルチオミクスデータを統合する統一パイプラインを提案する。 Life-Codeは3つのオミクスにまたがる様々なタスクの最先端の結果を達成し、マルチオミクス分析と解釈の進歩の可能性を強調している。
  論文  参考訳（メタデータ） (2025-02-11T06:53:59Z)
• 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)
• Diversifying Design of Nucleic Acid Aptamers Using Unsupervised Machine Learning [54.247560894146105]
  短い一本鎖RNAとDNA配列(アプタマー)の逆設計は、一連の望ましい基準を満たす配列を見つけるタスクである。 我々は、Pottsモデルとして知られる教師なし機械学習モデルを用いて、制御可能なシーケンスの多様性を持つ新しい有用なシーケンスを発見することを提案する。
  論文  参考訳（メタデータ） (2022-08-10T13:30:58Z)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)

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。