ML-guided directed evolution
Итеративный цикл модель → варианты → assay → обновление модели.
Generative taskБиологическая и инженерная цель
Ускорить evolution protein activity.
Возможные исходные данные
- parent
- library definition
- assay
Что именно генерируется
- next-round variants
Классы генераторов
- mutation-optimizer
Какие архитектурные подходы используются
| Стратегия | Что генерирует | Представление | Примеры | Ограничение | Sampling | Novel topology | Integrated scoring | Complexity |
|---|---|---|---|---|---|---|---|---|
| Active learning on PLM embeddings | Proposed mutants | Embeddings + surrogate | EVOLVEpro | Not zero-shot | Acquisition | Нет | Regression/RF surrogate | Rounds × assay |
Architecture-to-workflow consequences
| Архитектурное решение | Практическое следствие |
|---|---|
| Need experimental loop | Нельзя заменить assay in-loop scores. |
Compute и deployment
- Compute мал относительно wet-lab.
Доступные инструменты
| Инструмент | Generated object | Публикация | Evidence |
|---|---|---|---|
| Efficient evolution with ESM-1v | Ranked single-amino-acid substitutions | Peer-reviewed | 4 prospective functional validation |
| EVOLVEpro | Ranked single or multi-mutant variants for next round | Peer-reviewed | 4 prospective functional validation |
Типовые workflows
Evidence summary
EVOLVEpro: prospective, including antibody example; numbers не генерализуются.
Что нельзя сравнивать напрямую
- Не сравнивать с pretrained de novo generators.
Как выбирать
- Если есть assay capacity — EVOLVEpro.