論文の概要: CocoRNA: Collective RNA Design with Cooperative Multi-agent Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2610.23820v1
• Date: Fri, 16 Oct 2026 17:43:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:08.056818
• Title: CocoRNA: Collective RNA Design with Cooperative Multi-agent Reinforcement Learning
• Title（参考訳）: CocoRNA: 協調型マルチエージェント強化学習を用いた集合RNA設計
• Abstract要約: CocoRNAはRNA逆設計のための協調的な強化学習フレームワークである。 CocoRNAは高品質なRNA設計ポリシーを学習し、追加の訓練をすることなく、目に見えない構造に効果的に一般化する。 Rfamデータセットの実験では、CocoRNAは成功率と設計速度の両方で最先端の手法を大幅に上回っている。
• 参考スコア（独自算出の注目度）: 20.59589215130711
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Designing RNA sequences that reliably fold into specific secondary structures is essential for understanding their biological functions but remains a challenging computational problem. We propose CocoRNA, a cooperative multi-agent reinforcement learning framework for RNA inverse design. CocoRNA simplifies the design task by decomposing it into smaller sub-problems, each solved collaboratively by multiple agents. This approach reduces the complexity of the problem and improves the exploration of design policies. During training, a centralized critic uses global structural information to guide the agents, enabling them to jointly optimize their design strategies. As a result, CocoRNA learns high-quality RNA design policies that generalize effectively to unseen structures without additional training. Experiments on the Rfam dataset demonstrate that CocoRNA substantially outperforms state-of-the-art methods in both success rate and design speed. Further experiments on other biological sequence design tasks highlight the effectiveness and broad potential of CocoRNA for complex design tasks.
• Abstract（参考訳）: 特定の二次構造に確実に折り畳まれるRNA配列を設計することは、それらの生物学的機能を理解するのに不可欠であるが、依然として困難な計算問題である。 RNA逆設計のための協調型マルチエージェント強化学習フレームワークであるCocoRNAを提案する。 CocoRNAは、より小さなサブプロブレムに分解することで、設計タスクを単純化し、それぞれが複数のエージェントによって協調的に解決される。 このアプローチは問題の複雑さを低減し、設計方針の探索を改善する。 訓練中、中央集権的な批評家は、グローバルな構造情報を使用してエージェントを誘導し、共同で設計戦略を最適化する。 その結果、CocoRNAは、追加の訓練をすることなく、目に見えない構造に効果的に一般化する高品質なRNA設計ポリシーを学習した。 Rfamデータセットの実験では、CocoRNAは成功率と設計速度の両方で最先端の手法を大幅に上回っている。 他の生物学的配列設計タスクに関するさらなる実験は、複雑な設計タスクに対するCocoRNAの有効性と幅広いポテンシャルを強調している。

関連論文リスト

• RiboSphere: Learning Unified and Efficient Representations of RNA Structures [57.40815107640066]
  RNAのバックボーンは非常に柔軟で、非カノニカル相互作用が一般的であり、実験的に決定された3D構造は比較的少ない。 本稿では,ベクトル量子化とフローマッチングを組み合わせることで,RNAの固有な幾何学的表現を学習するフレームワークであるemphRiboSphereを紹介する。
  論文  参考訳（メタデータ） (2026-03-20T04:36:35Z)
• 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)
• RNAFlow: RNA Structure & Sequence Design via Inverse Folding-Based Flow Matching [7.600990806121113]
  RNAFlowはタンパク質条件のRNA配列構造設計のためのフローマッチングモデルである。 そのデノナイジングネットワークはRNA逆フォールディングモデルと事前訓練されたRosettaFold2NAネットワークを統合し、RNA配列と構造を生成する。
  論文  参考訳（メタデータ） (2024-05-29T05:10:25Z)
• 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。