PepEVOLVE：位置感知的动态多肽优化框架

PepEVOLVE 可自动学习编辑位点并优化多参数多肽指标。

资讯摘要

论文提出 PepEVOLVE，一个位置感知的动态多肽先导优化框架，可同时学习编辑哪些位点以及如何动态优化多参数目标。方法包括动态掩码与 CHUCKLES shifting 预训练、无上下文多臂老虎机路由，以及结合组相对优势的进化优化算法。作者报告在 Rev 结合大环肽基准上，其渗透性加权优化分数约 0.8，优于 PepINVENT 的约 0.6，最佳候选达 0.97。

要点速读

1. 论文提出位置感知框架 PepEVOLVE，无需化学家预先指定可编辑位点，同时学习编辑位置与优化策略。
2. 方法包含动态掩码与 CHUCKLES shifting 预训练、无上下文多臂老虎机路由，以及结合组相对优势的进化优化算法。
3. 作者报告在 Rev 结合大环肽基准上，渗透性加权分数约 0.8 对 PepINVENT 约 0.6，最佳候选 0.97 对 0.89，且收敛步数更少。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。