转移学习贝叶斯优化以设计竞争对手DNA分子用于诊断试验
Ruby Sedgwick1,2, John P Goertz1, Molly M Stevens1,3
1Department of Materials, Department of Bioengineering and Institute of Biomedical Engineering, Imperial College London, London.
ArXiv
|March 11, 2024
概括
这项研究引入了转移学习工作流程,以减少设计生物序列的昂贵实验室实验. 通过将转移学习与贝叶斯优化相结合,它大大减少了开发DNA竞争对手所需的实验数量.
科学领域:
- 生物分子工程 生物分子工程
- 计算生物学 计算生物学
- 合成生物学 合成生物学
背景情况:
- 工程生物分子设备需要定制的生物序列,通常需要广泛而昂贵的实验室实验来优化.
- 为特定应用开发许多类似的序列在时间和资源方面具有重大挑战.
研究的目的:
- 介绍一种新的转移学习设计实验工作流程,以减少生物序列优化所需的实验数量.
- 通过在优化任务之间共享信息来证明这种方法的可行性,从而降低开发成本.
主要方法:
- 实现一个与贝叶斯优化集成的转移学习替代模型.
- 使用交叉验证来评估各种转移学习模型的预测准确性.
- 对单一目标和处罚优化任务的模型性能进行比较.
主要成果:
- 显著减少生物序列开发所需的实验总数.
- 使用用于诊断试验的DNA竞争对手优化的数据证明了有效性.
- 进行比较分析,突出不同转移学习模型的预测准确性和性能.
结论:
- 实验工作流程的拟议转移学习设计有效地将生物序列开发中的实验成本和时间降到最低.
- 这种方法为优化定制生物序列提供了可行的解决方案,这对于推进工程生物分子设备至关重要.
