SILO: Auto-Miglioramento tramite Imitazione per la Progettazione di Proteine sotto Budget Oracle

Un nuovo framework chiamato SILO è stato sviluppato da ricercatori per ottimizzare le sequenze proteiche attraverso un auto-miglioramento a livello di traiettoria, rispettando rigorosi budget oracle. Questo approccio innovativo impiega una politica di modifica gerarchica che suddivide ogni mutazione in due passaggi: selezionare una posizione e poi scegliere un residuo. Durante ogni round di apprendimento attivo, la politica utilizza una ricerca a fascio stocastica incrementale (SBS) per campionare traiettorie candidate senza reinserimento. I candidati che presentano modifiche funzionalmente significative vengono selezionati utilizzando un insieme proxy basato su UCB insieme a un punteggio di fitness alanina-scan (AFS) per la valutazione oracle in silico. La politica viene successivamente perfezionata attraverso l'imitazione a entropia incrociata dell'azione successiva, affrontando problemi prevalenti nelle attuali tecniche di apprendimento per rinforzo e generative off-policy, che possono soffrire di rumore surrogato e potenzialmente danneggiare residui critici con proposte di mutazione indiscriminate.