論文の概要: Bridging the Evidence-to-Execution Gap:A Reflective Agent for Multi-Objective Peptide Design
- arxiv url: http://arxiv.org/abs/2610.06190v1
- Date: Mon, 05 Oct 2026 12:07:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-09 18:07:33.22249
- Title: Bridging the Evidence-to-Execution Gap:A Reflective Agent for Multi-Objective Peptide Design
- Title（参考訳）: Evidence-to-Execution Gap:多目的ペプチド設計のための反射剤
- Abstract要約: 大規模言語モデル(LLM)は、設計戦略を考案するために科学的文献を推論するが、生物学的配列に対して確実に実装することができない。
オフラインでトレーニングされた固定された低ランク行列の学習された特性インタフェースを介して、推論とシーケンス生成を行う反射エージェントであるEASERを提案する。
- 参考スコア（独自算出の注目度）: 3.675745246409712
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models (LLMs) can reason over scientific literature to devise design strategies, yet fail to reliably implement them for biological sequences. While protein generative models learn sequence patterns, they lack the capacity to incorporate literature evidence for multi-step reflective reasoning, forming an evidence-to-execution gap between scientific reasoning and sequence manipulation. We present EASER (Evidence-Aware Sequence Engineering with Reflection), a reflective agent bridging reasoning and sequence generation via a learned property interface of offline-trained, fixed low-rank matrices. The agent steers a diffusion generator by combining these matrices, proposing intervention hypotheses (anchors, editable positions, control coefficients) grounded in retrieved evidence, sequence context and past results. A Probe-and-Steer mechanism validates interventions and allocates samples according to predicted property responses, with outcome reflection informing subsequent decisions. Evaluated on multi-objective antimicrobial peptide design (optimizing activity, non-hemolysis and non-toxicity), explicit hypothesis formulation delivers better multi-objective performance than direct action generation under identical decision conditions. Ablation studies verify the importance of evidence retrieval, episodic history, reflection and Probe-and-Steer. Over six repeated trials, EASER obtains the highest mean hypervolume and lowest mean IGD+ on screened candidates compared with competing baselines. Our work demonstrates how an executable property interface and iterative feedback link scientific reasoning to targeted peptide sequence generation.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、設計戦略を考案するために科学的文献を推論するが、生物学的配列に対して確実に実装することができない。
タンパク質生成モデルは配列パターンを学習するが、多段階の反射推論の文献証拠を組み込む能力は欠如しており、科学的推論とシーケンス操作の間にエビデンスと実行のギャップを形成している。
EASER(Evidence-Aware Sequence Engineering with Reflection)は、オフラインでトレーニングされた固定された低ランク行列の学習特性インタフェースを介して、推論とシーケンス生成を行う反射エージェントである。
エージェントは、これらの行列を組み合わせて拡散生成装置を操り、抽出された証拠、シーケンスコンテキスト、過去の結果に基づいて介入仮説(アンカー、編集可能な位置、制御係数)を提案する。
Probe-and-Steerメカニズムは、予測された特性応答に従ってサンプルの介入を検証する。
多目的抗微生物ペプチド設計(最適活性、非溶血性および非毒性)の評価により、明示的な仮説定式化は、同一決定条件下での直接作用生成よりも優れた多目的性能を提供する。
アブレーション研究はエビデンス検索、エピソード歴史、リフレクション、プローブ・アンド・ステアの重要性を検証している。
6回の試行で、EASERは、競合するベースラインと比較して、スクリーニングされた候補に対して、最高平均超体積と最低平均IGD+を得る。
本研究は, 目的ペプチド配列生成に対する科学的推論と, 実行可能特性インタフェースと反復的フィードバックの関連性を実証する。
関連論文リスト
- Tool-Augmented On-Policy Distillation for LLM Domain Adaptation in Sequence-Based Omics Tasks [72.97315136048122]
マルチオミクスシーケンスの最初の推論ベンチマークであるOmicsBenchを紹介する。
予測と科学的推論の両方を評価することが重要です
ツール強化型オン・ポリケーション (TA-OPD) を導入し, シークエンス予測とエビデンス基底の生物学的推論を一致させる。
論文 参考訳（メタデータ） (2026-09-20T08:08:34Z) - Rethinking CD: A Reproducibility Study and Extension on the Ineffectiveness of Contrastive Decoding at Mitigating Object Hallucinations in MLLMs [0.0]
大規模言語モデル(MLLM)における物体幻覚を緩和するための訓練不要戦略として、コントラスト復号法(CD)が提案されている。
本研究は,CDからの明らかな改善がしばしば刺激的であり,幻覚を減少させるため,常に強い視覚的基盤に変換されないことを示す。
論文 参考訳（メタデータ） (2026-07-28T01:55:58Z) - Evolution-Aware MSA Reasoning for Subsampling via Factor Graphs [55.715754117956514]
複数のシーケンスアライメントは、明示的な進化コンテキストを持つタンパク質言語モデルを提供する。
MSAサブサンプリングは限定的なトークン予算では避けられない。
本稿では,因子グラフ推論を用いて固定予算MSAサブセットを推定するAP-REASONERを提案する。
論文 参考訳（メタデータ） (2026-07-24T13:55:21Z) - Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery [95.44432473367836]
大規模言語モデル(LLM)は、事前に特定された質問に答える能力に優れるが、未解決の未解決段階をナビゲートする能力はほとんど測定されていない。
仮説探索(PHD)を導入し,不確定な証拠から,仮説空間を自律的に構築することをモデルに求める。
本稿では,6つの科学的・分析的領域にわたる988ケースのベンチマークであるHypoArenaと,オープンエンド仮説セットの評価フレームワークであるHypoEvalを紹介する。
論文 参考訳（メタデータ） (2026-07-17T08:56:43Z) - Perception, Verdict, and Evolution: Hindsight-Driven Self-Refining Forensics Agent for AI-Generated Image Detection [80.15317858033534]
ForeAgentは、反復的な自己進化を伴うAI生成画像検出のためのエージェント法医学フレームワークである。
ForeAgentはChameleonベンチマークで最先端のパフォーマンスを達成し、精度は82.18%に達した。
ForeAgent は GPT-5 や GPT-5-mini と比較して、より一貫性があり、因果的な推論をもたらす。
論文 参考訳（メタデータ） (2026-06-25T02:59:33Z) - FALSIFYBENCH: Evaluating Inductive Reasoning in LLMs with Rule Discovery Games [2.959715295394151]
従来のWason 2-4-6タスクに触発された仮説駆動推論のための評価フレームワークであるFALSIFYBENCHを紹介する。
このタスクは、仮説の生成、証拠収集、そして証拠の確認と不確認の両方に対応する信念の修正という、科学的推論の重要な要素を捉えている。
モデルファミリとスケールをまたいだ12 LLM の評価は、推論モデルが命令調整モデルよりも一般的に強力な科学的推論モデルであることを示しているが、最適性能に近づくモデルはない。
論文 参考訳（メタデータ） (2026-06-03T11:33:17Z) - Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。
LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
論文 参考訳（メタデータ） (2026-05-27T23:48:01Z) - Deciphering Scientific Reasoning Steps from Outcome Data for Molecule Optimization [22.850204283344524]
結果から科学的推論を解読するフレームワークであるDESROを提案する。
グループ化されたデータ内の共有パターンと重要な違いを分析することで、大きな言語モデル(LLM)が基盤となるロジックを復元することができる。
我々はこの枠組みを分子最適化において、薬物発見の重要な段階としてインスタンス化する。
論文 参考訳（メタデータ） (2026-03-13T06:25:27Z) - BeeTLe: A Framework for Linear B-Cell Epitope Prediction and
Classification [0.43512163406551996]
本稿では, 線形B細胞予測と抗体型特異的分類のための, 深層学習に基づく新しいフレームワークを提案する。
そこで本研究では, モデルが抗体の表現を学習するのを助けるために, 固有分解に基づくアミノ酸符号化法を提案する。
最大の公開データベースからキュレートしたデータに対する実験結果から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-09-05T09:18:29Z) - Reprogramming Pretrained Language Models for Antibody Sequence Infilling [72.13295049594585]
抗体の計算設計には、構造的一貫性を維持しながら、新規で多様な配列を生成することが含まれる。
近年のディープラーニングモデルでは優れた結果が得られたが、既知の抗体配列/構造対の数が限られているため、性能が劣化することが多い。
これは、ソース言語でトレーニング済みのモデルを再利用して、異なる言語で、データが少ないタスクに適応するものです。
論文 参考訳（メタデータ） (2022-10-05T20:44:55Z)
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。