codonGPT：強化学習を用いた生成言語モデルによるスケーラブルなmRNA設計

科学分野:

• 計算生物学
• バイオインフォマティクス
• 合成生物学

背景:

• 強化学習（RL）は工学設計で確立されているが、生物学的応用においては十分に探求されていない。
• 現在の生物学のための生成言語モデルは、主にDNA、RNA、またはタンパク質に焦点を当てており、メッセンジャーRNA（mRNA）は無視されている。
• mRNAのための生成モデルの欠如は、治療薬と合成生物学のためのスケーラブルな設計を妨げている。

研究 の 目的:

• mRNA配列に特化してトレーニングされた最初の生成言語モデルである codonGPT を紹介すること。
• 制約付き言語モデリングタスクとしてmRNA設計のための方法を開発すること。
• RLとcodonGPTを用いたmRNA配列の最適化を実証すること。

主な方法:

• モデル生物からの338,417個のmRNA配列に特化して codonGPT をトレーニングしました。
• mRNAの同義配列を制約するための推論時マスキング法を導入しました。
• 生物学的制約（発現、安定性、GC含量）に基づいてmRNA配列を最適化するために、codonGPT に強化学習（RL）を適用しました。

主要な成果:

• モデル生物からの338,417個のmRNA配列に特化してcodonGPT をトレーニングしました。
• mRNAの同義配列を制約するための推論時マスキング法を導入しました。
• 生物学的制約（発現、安定性、GC含量）に基づいてmRNA配列を最適化するために、codonGPT に強化学習（RL）を適用しました。

結論:

• codonGPT は、mRNAのための生成モデリングにおける重要な進歩を表しています。
• RLベースの最適化フレームワークにより、さまざまな生物学的応用に対応したオーダーメイドのmRNA設計が可能になります。
• この研究は、最適化されたmRNA配列を介した治療薬、合成生物学、およびタンパク質工学の強化への道を開きます。