研究提出潜在空间密码子优化方法LSCO

2026年10月22日，arXiv Artificial Intelligence 刊出由 Alberto Caron 等作者完成的研究，提出潜在空间密码子优化方法（LSCO）。该研究把离散的密码子选择问题映射到预训练 mRNA 语言模型的潜在空间，将其转化为连续问题，从而实现基于梯度的搜索。LSCO 结合了不确定性感知预测器的表达目标、最小自由能正则项、蛋白到密码子回译模型的自然性先验以及约束解码。在真实湿实验抗体表达数据集上，LSCO 的预测表达优于频率方法和现代深度生成基线，并保持合适的生物物理性质。目前该工作处于预印本阶段，尚未见后续同行评审或独立复现报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。