iGC 强化学习框架用于抗体优化
热点事件持续更新
iGC 强化学习框架用于抗体优化
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Thao Nguyen等团队提出iGC（in silico Germinal Centers）框架，用于抗原特异性抗体优化。该框架包含两阶段强化学习策略：第一阶段从B细胞谱系树的体细胞高频突变亲子对中提取学习突变先验；第二阶段以此先验初始化策略，结合KL正则化优化抗原结合，并引入Reward-Tax Meta-Gradient防止奖励剥削。在突变预测任务中，该框架将最强基线性能提升一倍以上，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。
AI 根据报道生成 · 1 小时前更新
最新进展11月4日 13:00
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报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · MLiGC：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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。