К содержанию

Главная / Задачи / Combinatorial mutation design

Combinatorial mutation design

Совместный дизайн нескольких мутаций.

Generative task

Биологическая и инженерная цель

Найти комбинации, недоступные полным перебором.

Возможные исходные данные

parent
mutable positions
labelled library optional

Что именно генерируется

combinatorial mutation sets

Классы генераторов

mutation-optimizer

Какие архитектурные подходы используются

Стратегия	Что генерирует	Представление	Примеры	Ограничение	Sampling	Novel topology	Integrated scoring	Complexity
Supervised Pareto search on display labels	Combinatorial CDR sets	Sequence features + assay labels	Makowski et al. affinity–specificity co-optimization	Campaign-specific; не pretrained generator	Model-guided library / Pareto front	Нет	Supervised affinity/specificity models	Library size and label acquisition

Architecture-to-workflow consequences

Архитектурное решение	Практическое следствие
Need labelled library	Без display/deep-seq данных метод не стартует.

Compute и deployment

Bottleneck — эксперимент, не GPU.

Доступные инструменты

Инструмент	Generated object	Публикация	Evidence
Makowski et al. affinity–specificity co-optimization	Combinatorial CDR mutation sets predicted to trade affinity against nonspecific binding	Peer-reviewed	3–5 prospective binding/specificity validation

Типовые workflows

Few-shot / labelled mutation optimization

Evidence summary

Makowski et al.: one therapeutic antibody case study with prospective characterization.

Что нельзя сравнивать напрямую

Не сравнивать с zero-shot ESM-1v.

Как выбирать

Есть sorted library — Makowski-style.
Есть мало labels — EVOLVEpro.

Связанные архитектурные концепции

Multi-objective optimization, Few-shot mutation optimization

Primary references

Co-optimization of therapeutic antibody affinity and specificity using machine learning models of sequence-activity data