arXiv:2603.21743v3 Тип объявления: замена-кросс Аннотация: Создание виртуальных клеток с помощью генеративных моделей для моделирования клеточного поведения in silico становится многообещающей парадигмой для ускорения разработки лекарств. Однако предыдущие генеративные подходы, основанные на изображениях, могут создавать неправдоподобные изображения клеток, нарушающие основные физические и биологические ограничения. Для решения этой проблемы мы предлагаем постобучать модели виртуальных клеток с помощью обучения с подкреплением (RL), используя биологически значимые оценщики в качестве функций вознаграждения. Мы разработали семь вознаграждений, охватывающих три категории: биологическая функция, структурная достоверность и морфологическая корректность, и оптимизировали современную модель CellFlux, получив CellFluxRL. CellFluxRL стабильно превосходит CellFlux по всем вознаграждениям, с дальнейшим повышением производительности за счет масштабирования во время тестирования. В целом, наши результаты представляют собой структуру моделирования виртуальных клеток, которая обеспечивает соблюдение физически обоснованных ограничений посредством RL, продвигаясь от «визуально реалистичных» генераций к «биологически значимым».
Источник: arxiv.org
