贝叶斯优化用于合成基因设计

NIPSMay, 2015

Bayesian Optimization for Synthetic Gene Design

Javier González, Joseph Longworth, David C. James, Neil D. Lawrence

TL;DR本文提出了一种三步法来解决合成基因设计中的优化问题，使用高斯过程模型来模拟细胞行为，定义了基于生物有意义的基因特征的最优基因设计规则，提出了多任务获得函数来同时优化多个感兴趣的方面，并定义了一个评估函数来排列和选择符合最佳设计策略的候选基因序列集合，并在哺乳动物细胞的实验中证明了该方法的性能。

Abstract

We address the problem of synthetic gene design using bayesian optimization. The main issue when designing a gene is that the design space is defined in terms of long strings of characters of different lengths, w

synthetic gene design bayesian optimization gaussian process model optimal gene design rules evaluation function

发现论文，激发创造

元强化学习和贝叶斯优化设计生物序列

本文通过 MetaRLBO，提出了一种对于生物序列的加速设计方法，使用 Meta-Reinforcement Learning 训练自回归生成模型，以 Bayesian Optimization 为辅助选择出有前途的序列，获得较强的鲁棒性和相对具有竞争力的结果。

Sep, 2022

转移学习贝叶斯优化在诊断测定中设计竞争 DNA 分子

通过结合转移学习代理模型和贝叶斯优化，本文提出了一种实现工程生物分子装置的定制生物序列开发的设计实验工作流程，旨在减少实验数量并提高预测准确性。

Feb, 2024

寻找最优 Bayesian 实验设计的自然选择启发式算法

我们提出了一种适用于一般优化问题的高效搜索启发式算法，特别针对 Bayesian 最优实验设计问题，并通过评估死亡，药物动力学和逻辑回归模型的最优 Bayesian 实验设计来展示其优越性，作为中等规模设计问题（即大约 40 个维度）的计算高效性替代方法。

Mar, 2017

ChemBO：具有可合成建议的小有机分子贝叶斯优化

本文介绍了 ChemBO，一种用于生成和优化有机分子的贝叶斯优化框架，该方法探索合成图以高效生成可合成的有机分子，并通过实验证明了其高效性。

Aug, 2019

材料设计的贝叶斯优化

通过高斯过程回归和贝叶斯优化技术，针对材料设计和发现等高维复杂问题，提出一种基于价值信息分析的预期改进和知识梯度方法，以最少的实验找到优良的材料设计方案。

Jun, 2015

基于路径的实用贝叶斯优化

我们提出了一种扩展的 SnAKe 算法，可以同时处理实验成本和输入参数变化成本，包括最大允许输入变化和多目标设置。

Dec, 2023

验证生物分子网络的实验设计

本研究提出了一种设计实验的方法，以有效地验证生物分子网络的正确性，采用高斯过程构建概率模型，并使用贝叶斯优化算法选择下一个样本点，在计算生物学领域的模拟数据下测试了该方法。

Nov, 2020

使用深度生成模型生成和设计 DNA

本文提出了三种生成神经网络方法，用于生成 DNA 序列，并调整其具有期望的性质。这些工具捕捉到数据的重要结构，并在设计蛋白质结合微阵列探针时，生成具有超越训练数据的性能的新序列。我们相信这些结果为将深层生成模型应用于推进基因组学研究开辟了新的空间。

Dec, 2017

自适应抽样设计

本文提出了一个基于概率建模框架和自适应采样算法，将非监督式生成模型与黑盒预测模型相结合解决输入设计问题。通过实验证明，该方法在最大化目标属性方面表现优越，并且适用于更一般的问题版本。

Oct, 2018

高维贝叶斯优化离散序列的调查与基准

通过统一的框架和标准化的黑盒函数，针对化学和生物学的实际应用领域，该论文研究了贝叶斯优化的高维优化方法和技术难点，并提供了易于拓展的软件库，以方便实践者更好地应用于离散优化问题。

Jun, 2024