生物医药与药物发现
突破级
暂无讲解视频
收录解读
这篇论文的亮点在于它不是做一个单独的 sequence predictor，而是搭了完整的 programmable RNA translation design stack。IRES-LM 负责识别，IRES-EA 负责通过进化算法做 targeted mutation 优化，IRES-DM 则进一步做 de novo generation。
更关键的是，它有相当硬的实验闭环。12,000 条 mutation 序列和 12,000 条 diffusion 生成序列都做了大规模 reporter assay 验证，功能获得率非常高。这种从识别、优化到生成，再到湿实验闭环的大一统流程，明显比一般 bio-sequence 模型更接近 durable design workflow。
它值得正式收录，因为这类 work 不只是‘AI 用于生物’，而是 AI 直接成为 programmable molecular design 的核心操作系统。对 RNA therapeutics、synthetic biology 和 sequence design pipeline 都有明显外溢。
它没有更高，是因为当前工作仍围绕 IRES 这一特定分子机制；要成为更普遍的 RNA design 代表作，还需要更多机制与任务外扩。