统计学 > 机器学习
[提交于 2025年10月18日
]
标题: 使用生成库模型在大规模屏幕上进行加速学习
标题: Accelerated Learning on Large Scale Screens using Generative Library Models
摘要: 生物机器学习通常受到数据规模不足的瓶颈限制。 缓解数据瓶颈的一种有前景的方法是通过高通量筛选,这可以在实验中并行测试$10^6-10^{12}$个蛋白质序列的活性。 在本文中,我们介绍了优化高通量筛选以进行数据创建和模型训练的算法。 我们关注大规模情况,其中数据集大小受到测量和测序成本的限制。 我们表明,当活性序列很少时,如果我们仅收集活性序列的正例,即$x$具有$y>0$,则可以最大化信息增益。 我们可以使用文库的生成模型来纠正缺失的负例,从而对真实的$p(y | x)$进行一致且高效的估计。 我们在模拟和大规模抗体筛选中展示了这种方法。 总体而言,实验与推理的协同设计使我们能够显著加速学习。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.