NeurIPS'26 论文 D-DOIT 出炉,无需训练、不用梯度,依靠离散扩散模型直接设计 DNA 与蛋白质序列

NeurIPS 2026 收录一篇生物序列生成方向论文,提出 D-DOIT 采样方案,这套方法不需要对预训练离散扩散模型二次微调,也不需要生物打分函数提供梯度信息,只靠黑盒奖励分数就能在推理阶段引导模型生成满足目标功能的 DNA、蛋白质序列,解决生物工程里大量打分工具不可导、微调成本高的痛点。传统方案想要定向设计增强子 DNA、稳定蛋白序列,要么需要大量算力做奖励微调,要么要求打分模型可以反向传播梯度,但像 Enformer、蛋白结构预测这类生物评估工具大多只能输出分数,拿不到梯度,限制扩散模型在生物设计里落地。D-DOIT 把奖励对齐转化成分布搬运问题,借助随机过程 Doob h - 变换推导出适配掩码离散扩散的采样公式,全程冻结预训练扩散模型权重,只修改采样步骤;在 HepG2 增强子 DNA 测试任务中,D-DOIT-Q 预测活性得分 6.19,超过需要微调的 DRAKES 基线 5.61;蛋白质逆折叠测试里,结构 + 稳定性联合成功率 68.1%,优于同类型免梯度方案 SMC、TDS。该方案属于即插即用的推理引导手段,不需要改动原有模型,科研人员可以直接接入各类生物黑盒评估器,降低功能 DNA、治疗蛋白的 AI 设计门槛。

D-DOIT 方案核心信息表

项目详情
论文会议NeurIPS 2026
方法名称D-DOIT(Discrete Doob-Oriented Inference-time Transformation)
核心特点无需训练、不需要奖励梯度,冻结预训练离散扩散模型
理论基础Doob h - 变换,适配掩码离散扩散
测试任务HepG2 增强子 DNA 设计、蛋白质逆折叠
DNA 任务成绩D-DOIT-Q 活性 6.19,高于微调基线 DRAKES(5.61)
蛋白任务成绩结构稳定性联合成功率 68.1%

传统方案痛点清单

✅ 奖励微调方案:算力开销大,每次更换目标功能都要重新训练

✅ 梯度引导方案:依赖可导打分器,大量生物评估工具是黑盒、无梯度

✅ 通用性差:换一个生物优化目标,整套引导流程就要重新搭建

D-DOIT 技术优势清单

✅ 权重冻结:预训练扩散模型保持不变,零额外训练成本

✅ 无梯度兼容:只需要输入序列对应的奖励分数,适配绝大多数生物打分模型

✅ 推理阶段生效:属于采样算法改造,即插即用,可对接现有离散扩散基座

✅ 指标领先:在 DNA 增强子、蛋白逆折叠任务上优于多款免调基线,甚至超过微调方案

【相关 FAQ】

问题 1:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,D-DOIT 是什么?

回答 1:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,D-DOIT 是本次论文推出的推理采样算法,基于 Doob h - 变换,用来引导冻结的离散扩散模型生成目标生物序列。

问题 2:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,为什么很多生物打分工具没法提供梯度?

回答 2:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,Enformer、蛋白结构预测这类工具大多是黑盒预测器,只能输出活性、稳定性分数,没法反向计算梯度,无法适配传统梯度引导。

问题 3:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,D-DOIT 要不要重新训练扩散模型?

回答 3:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,D-DOIT 全程冻结预训练离散扩散模型,不需要任何微调训练,只修改采样逻辑。

问题 4:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,D-DOIT 在哪些任务上做了验证?

回答 4:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,论文在 HepG2 增强子 DNA 设计、蛋白质逆折叠两个经典生物序列任务完成对照实验。

问题 5:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,D-DOIT 对比老方案有什么好处?

回答 5:NeurIPS'26 提出无需训练 + 梯度引导离散扩散模型设计 DNA 蛋白质,D-DOIT 不用高额微调算力,兼容无梯度黑盒打分器,切换生物目标更灵活,实验指标优于不少同类方案。

【参考资料】

[2026-11-15](NeurIPS'26|无需训练 + 梯度:引导离散扩散模型设计 DNA / 蛋白质)搜狐

[2026-10-08](D-DOIT: Training-free Adaptation of Discrete Diffusion via Doob’s h-Transform)arXiv

[2026-11-15](NeurIPS 2026 生物 AI 论文速递:免梯度离散扩散用于蛋白与 DNA 设计)机器之心

[2026-11-14](离散扩散模型推理引导新方向,适配黑盒生物奖励函数)智源社区

[2026-11-15](Doob h - 变换在掩码离散扩散上的应用:生物序列生成)量子位

【免责声明】

本文 NeurIPS'26 D-DOIT 论文原理、实验指标、对比基线信息来自论文预印本、媒体解读;该方法仍属于学术研究成果,距离工业化药物、基因元件落地还有验证环节;论文效果为固定测试集下的实验结果,实际生成效果受基座扩散模型、奖励函数影响;本文仅为 AI 生物计算学术资讯整理,不构成实验方案、工程落地建议。

本文来自作者[银隧采样]投稿,不代表新新网立场,如若转载,请注明出处:https://news.xxcmw.com/xinwen/202611/3461.html

赞 (0)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 银隧采样
    银隧采样 2026年11月17日

    我是新新网的签约作者“银隧采样”!

  • 银隧采样
    银隧采样 2026年11月17日

    希望本篇文章《NeurIPS'26 论文 D-DOIT 出炉,无需训练、不用梯度,依靠离散扩散模型直接设计 DNA 与蛋白质序列》能对你有所帮助!

  • 银隧采样
    银隧采样 2026年11月17日

    本站[新新网]内容主要涵盖:互联网行业的追踪与探索

  • 银隧采样
    银隧采样 2026年11月17日

    本文概览:NeurIPS 2026 收录一篇生物序列生成方向论文,提出 D-DOIT 采样方案,这套方法不需要对预训练离散扩散模型二次微调,也不需要生物打分

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们