[论文解读] AdaLead: A simple and robust adaptive greedy search algorithm for sequence design

Sam Sinai, Richard Wang+4 more|arXiv (Cornell University)|Oct 5, 2020

Evolutionary Algorithms and Applications参考文献 41被引用 39

一句话总结

AdaLead 引入了一种简单的自适应贪婪算法用于序列设计，在 FLEXS 环境中对 TF、RNA 和蛋白质设计任务与最先进方法竞争。它展示了鲁棒性和一致性，即使在模型不完美时也能良好表现。

ABSTRACT

Efficient design of biological sequences will have a great impact across many industrial and healthcare domains. However, discovering improved sequences requires solving a difficult optimization problem. Traditionally, this challenge was approached by biologists through a model-free method known as "directed evolution", the iterative process of random mutation and selection. As the ability to build models that capture the sequence-to-function map improves, such models can be used as oracles to screen sequences before running experiments. In recent years, interest in better algorithms that effectively use such oracles to outperform model-free approaches has intensified. These span from approaches based on Bayesian Optimization, to regularized generative models and adaptations of reinforcement learning. In this work, we implement an open-source Fitness Landscape EXploration Sandbox (FLEXS: github.com/samsinai/FLEXS) environment to test and evaluate these algorithms based on their optimality, consistency, and robustness. Using FLEXS, we develop an easy-to-implement, scalable, and robust evolutionary greedy algorithm (AdaLead). Despite its simplicity, we show that AdaLead is a remarkably strong benchmark that out-competes more complex state of the art approaches in a variety of biologically motivated sequence design challenges.

研究动机与目标

• 通过利用模型引导的探索来推动生物序列的高效设计。
• 提出 AdaLead，一种简单的自适应贪婪算法用于序列设计。
• 在多样化景观（TF 结合、RNA、蛋白质设计）中对 AdaLead 进行与最先进方法的基准比较。
• 使用 FLEXS 环境评估鲁棒性、一致性和批量采样效率。

提出的方法

• 定义一个带有地真实值 oracle phi 的探索框架，以及在可用数据上训练的代理 phi'。
• 引入 AdaLead：从近极大值处生成种子、重组、滚动变异，以及对一批样本按 phi' 进行选择。
• 使用阈值参数 kappa 来控制贪婪性并在曲面平坦时促进多样性。
• 使用一个抽象的受噪声污染的模型 phi'_alpha 来研究鲁棒性和一致性，与具体的经验模型无关。
• 在一个模型集合 (phi'' ) 的前提下评估 AdaLead，并与 DynaPPO、CbAS/DbAS、CMA-ES 在各景观中的表现进行比较。
• 提供一个开源的仿真环境 FLEXS 以用于基准测试和可重复性。

实验结果

研究问题

• RQ1 在模型错误设定和噪声存在的情况下，AdaLead 相对于其他最先进的序列设计算法的表现如何？
• RQ2 当代理模型较差或有偏差时，AdaLead 是否鲁棒？
• RQ3 随着底层模型质量的提高，AdaLead 是否保持一致性和多样性？
• RQ4 AdaLead 在不同生物学驱动的景观（TF 结合、RNA、蛋白质设计）中的扩展性和表现如何？

主要发现

• AdaLead 在找到高性能峰值方面往往比竞争方法更具一致性。
• 在 RNA 景观中，AdaLead 往往找到全局最优并在复杂、高度表皮性表面上优于他人。
• AdaLead 显示出鲁棒性，即使在无信息的模型和集成 CNN 代理的情况下也能保持强劲表现。
• 在 TF、RNA 和蛋白质设计任务中，AdaLead 展现出具有竞争性的优化能力和对所发现序列的时间演化更有利的表现。