arXiv · ML· Thao Nguyen, Robert G. Alberstein, Ewa Nowara, Homa MohammadiPeyhani, Holly R. Steach, Sarah A. Robinson, Yuval Shechter, Donald W. Lee, Jason A. Vander Heiden, Franziska Seeger, Andrew Leaver-Fay, Richard Bonneau, Joshua Yao-Yu Lin·· 3 小时前AI 评分22
iGC：基于学习到的体细胞高频突变先验的强化学习抗体优化框架
iGC: Antibody Optimization via Reinforcement Learning over a Learned Somatic Hypermutation Prior
AI 导读
iGC提出两阶段强化学习框架，用于抗原特异性抗体优化。 第一阶段从B细胞谱系树中体细胞高频突变的亲子对学习突变先验；第二阶段以此先验初始化RL策略，通过KL正则化优化抗原结合，并引入Reward-Tax Meta-Gradient目标防止奖励剥削。 该框架在突变预测上将最强基线的表现提升一倍以上，实现了生物合理性突变生成与抗原特异性亲和选择的有效结合。
来源：arXiv · ML · arxiv.org