
Tài liệu Hướng dẫn bằng chứng Giả thuyết thiết kế có thể thực hiện được
EASER là viết tắt của Kỹ thuật trình tự nhận biết bằng chứng với sự phản ánh. Nó sử dụng bằng chứng được truy xuất, bối cảnh trình tự và các kết quả trước đó để đề xuất sửa đổi. Ý nghĩa thực tiễn là sự kết nối giữa luận cứ khoa học và quyết định thiết kế cụ thể. Ví dụ: nhà phát triển có thể hỏi liệu thay đổi được đề xuất có được hỗ trợ bằng bằng chứng liên quan đến trình tự và xét nghiệm dự định của ứng viên hay không. Đánh giá mối liên hệ này đòi hỏi phải truy tìm nguồn gốc, xác định lợi ích mong đợi và ghi lại các tác động bất lợi có thể xảy ra. Điều này sẽ làm cho lý do đằng sau việc lựa chọn ứng viên trở nên dễ kiểm tra hơn và giúp các nhà nghiên cứu phân biệt được lý do thiết kế hợp lý với một cải tiến sinh học đã được chứng minh.
Điều khiển đã học Kết nối lý luận với việc tạo chuỗi
Khung này điều khiển một trình tạo khuếch tán đông lạnh bằng cách sử dụng các ma trận cấp thấp, dành riêng cho thuộc tính được đào tạo ngoại tuyến và được giữ cố định trong quá trình tìm kiếm. Kiến trúc này cung cấp một giao diện xác định giữa hệ thống lý luận và bộ tạo chuỗi. Từ góc độ phát triển, câu hỏi quan trọng là liệu điều khiển được chọn có tạo ra phản hồi dự kiến trên các bối cảnh trình tự khác nhau hay không. Một đánh giá hữu ích sẽ kiểm tra khả năng tái lập, độ nhạy đối với trình tự bắt đầu và những thay đổi ngoài ý muốn ở các đặc tính khác. Các nhà nghiên cứu cũng có thể so sánh các ứng cử viên được tạo ra với các trình tự gốc của chúng để xác định những sửa đổi nào đóng góp vào lợi ích dự đoán và sửa đổi nào chỉ đơn giản là làm tăng sự biến đổi của trình tự.


Probe-and-Steer sử dụng phản hồi để tinh chỉnh việc lấy mẫu
Các thử nghiệm cơ chế Thăm dò và Lái xe của EASER đã đề xuất các biện pháp can thiệp thông qua các lô mẫu tính toán nhỏ, sau đó phân bổ lấy mẫu tiếp theo các phản ứng được dự đoán. Sự phản ánh thông báo các quyết định tiếp theo. Đối với quy trình nghiên cứu, điều này gợi ý một cách để dành ngân sách sản xuất hạn chế cho các biện pháp can thiệp nhằm thể hiện sự kết hợp hữu ích của các thuộc tính. Giá trị thực tế của nó sẽ phụ thuộc vào độ tin cậy của các mô hình phản hồi và tính đa dạng được giữ lại trong quá trình lựa chọn. Các nhóm đánh giá quy trình làm việc như vậy có thể xem xét các đề xuất không thành công cùng với các đề xuất thành công, kiểm tra xem việc lặp đi lặp lại có tiết lộ các bài học thiết kế nhất quán hay chỉ ưu tiên các chuỗi đạt điểm cao trong một hệ thống dự đoán cụ thể.
Kết quả điểm chuẩn ủng hộ tối ưu hóa tài sản chung
Qua sáu lần chạy tạo ra 2.560 ứng viên cho mỗi phương pháp, EASER đã đạt được mức siêu âm trung bình cao nhất và IGD+ trung bình thấp nhất trong số các phương pháp được đánh giá trên các ứng viên được sàng lọc. Các số liệu này đánh giá sự đánh đổi đa mục tiêu được dự đoán. Hàm ý là một khung thiết kế nên được đánh giá bằng sự kết hợp các thuộc tính mà nó tạo ra, thay vì bằng điểm hoạt động riêng lẻ. Để đánh giá độc lập, các nhà nghiên cứu sẽ cần ngân sách ứng viên nhất quán, các quy tắc sàng lọc và mô hình đánh giá. Việc kiểm tra sự khác biệt giữa các lần chạy cũng sẽ giúp thiết lập mức độ tin cậy của một phương pháp xác định các ứng viên có triển vọng và liệu lợi thế rõ ràng của nó có còn tồn tại trong các điều kiện đánh giá thay thế hay không.


Xác thực thử nghiệm vẫn là bước phát triển tiếp theo
Đánh giá được báo cáo mang tính tính toán, với các đặc tính liên quan đến hoạt động và an toàn được đánh giá thông qua các mô hình dự đoán. Bước thực tế tiếp theo sẽ là tổng hợp các ứng cử viên được chọn và đo lường hiệu lực kháng khuẩn, sự tan máu hồng cầu và độc tính tế bào động vật có vú trong các điều kiện được xác định rõ ràng. Việc kiểm tra phải bao gồm các biện pháp kiểm soát phù hợp và các ứng cử viên trải qua các sự đánh đổi được dự đoán khác nhau, cho phép các nhà nghiên cứu đánh giá liệu xếp hạng tính toán có chuyển thành hiệu suất đo được hay không. Công việc bổ sung có thể kiểm tra tính ổn định, độ hòa tan và hoạt động trong môi trường sinh học có liên quan. Bằng chứng như vậy sẽ xác định EASER hỗ trợ ưu tiên thử nghiệm hiệu quả như thế nào và xác định nơi lý luận, kiểm soát thế hệ hoặc dự đoán thuộc tính của nó cần cải thiện.

