
-
生物通官微
陪你抓住生命科技
跳动的脉搏
RNARL:基于强化学习的多目标RNA密码子设计统一生成框架
《Genome Biology》:RNARL: reinforcement learning-driven unified generative framework for multi-objective RNA codon design
【字体: 大 中 小 】 时间:2026年07月23日 来源:Genome Biology 9.2
编辑推荐:
摘要目前的RNA密码子设计方法存在长序列处理效率低且泛化能力差的问题,通常采用分离式的“生成或优化”模式。我们提出了RNARL,这是一种基于强化学习的框架,可将序列生成与多目标优化相结合。RNARL能够直接学习生成高性能序列,有效优化长度达3,900个核苷酸的序列,并在六种物种和
目前的RNA密码子设计方法存在长序列处理效率低且泛化能力差的问题,通常采用分离式的“生成或优化”模式。我们提出了RNARL,这是一种基于强化学习的框架,可将序列生成与多目标优化相结合。RNARL能够直接学习生成高性能序列,有效优化长度达3,900个核苷酸的序列,并在六种物种和五种RNA类型中展现出优异的性能与通用性。因此,RNARL为RNA密码子设计提供了一个高效且具有泛化能力的框架。此外,我们还提供了用户友好的网络平台,便于将这一技术应用于RNA疗法的设计中。
目前的RNA密码子设计方法存在长序列处理效率低且泛化能力差的问题,通常采用分离式的“生成或优化”模式。我们提出了RNARL,这是一种基于强化学习的框架,可将序列生成与多目标优化相结合。RNARL能够直接学习生成高性能序列,有效优化长度达3,900个核苷酸的序列,并在六种物种和五种RNA类型中展现出优异的性能与通用性。因此,RNARL为RNA密码子设计提供了一个高效且具有泛化能力的框架。此外,我们还提供了用户友好的网络平台,便于将这一技术应用于RNA疗法的设计中。