特定の性質を持つ治療用DNAおよびRNA配列を設計することは、膨大な可能性のために医学における大きな課題です。AIは、この広大な探索空間をナビゲートするのに役立ちますが、設計アルゴリズムを効果的に評価することは困難でした。この問題に対処するため、研究者たちは、核酸設計アルゴリズムを比較するための標準化されたベンチマークであるNucleoBenchを導入しました。このベンチマークには、16の生物学的課題にわたる40万件以上の実験が含まれていました。この研究を通じて、彼らはハイブリッド設計アルゴリズムであるAdaBeamを開発しました。AdaBeamは、ほとんどのタスクで既存の方法よりも優れており、大規模なAIモデルとのスケーラビリティも向上しています。典型的な計算設計プロセスには、データ生成、モデルトレーニング、候補配列生成、および検証が含まれます。NucleoBenchは、候補配列生成ステップの改善に焦点を当てています。既存のベンチマークは、最新のAIモデル情報を活用していない古いアルゴリズムを使用することがよくあります。NucleoBenchには、包括的な比較のために、勾配フリーアルゴリズムと勾配ベースアルゴリズムの両方が含まれています。AdaBeamは、既存のアルゴリズムの有効な要素を組み合わせて、優れたパフォーマンスと効率性を実現しています。これは、最高のパフォーマンスを得るために、勾配だけに頼ることが必ずしも必要ではないことを示しています。AdaBeamの進歩には、効率性の向上、よりスマートな探索、およびメモリ使用量の削減が含まれます。