分子编辑如何在硬约束下同时优化多个性质？

在硬约束下编辑而非从头生成

论文从生物分子治疗中的一个现实处境出发：已有序列本身可用，但需要定向改动，在同时改善多个性质的同时满足生化与可制造性要求。更短的分子合成成本更低、更易递送，因此序列缩短贯穿论文的多个例子，包括受尺寸限制而难以病毒递送的基因组编辑器。

现有工具没有覆盖这一组合。作者指出，RayGun 和 SCISOR 这类专门做缩短的方法并非为带显式可行性约束、可偏好驱动权衡的通用多目标编辑而设计。进化搜索和强化学习方法可以逼近帕累托前沿，但通常依赖反复的在线 oracle 评估，不适合在大型、变长离散空间中对已有分子做离线编辑。可控离散生成模型则多面向从头生成，且只单独处理约束满足或偏好控制，不支持通过插入和缺失进行的迭代序列编辑。

pCoMole 被定位为填补这一空白的离线方案：在离散、变长空间中对已有序列做约束感知的多目标编辑。

效用门控把偏好变成倾斜分布

方法假设有 K 个待最大化的目标函数，以及定义可行集的不等式约束和等式约束。编辑过程中的中间状态不必可行，因为它们只是暂态，不会作为设计返回；若每次编辑后都强制可行，可能排除那些短暂离开可行集、最终却到达可行终点的协同轨迹。

偏好通过终态偏好函数 G 进入。G 由增广 Tchebycheff 效用构造：它对各目标取加权最小值，再加一个增广项，从而鼓励多个目标同时改善，而不是塌缩到单一指标。作者指出，当权重为正时，该效用对帕累托支配严格单调。随后 G 乘以一个在可行集外取零的指示函数，使不可行终态不获得任何概率质量。

目标终态分布是用 G 对基础 Edit Flow 分布重新加权。改变权重向量会得到同一基础过程的不同倾斜，pCoMole 正是借此探索不同的帕累托权衡，同时仍锚定在预训练的编辑动态上。

Doob-h 引导让倾斜分布可实际采样

为实现倾斜分布，论文使用 Doob-h 变换。状态处的调和函数 h 是在过程当前处于该状态的条件下，终态 G 的期望值。用后继状态与当前状态的调和函数之比重新加权基础编辑速率，就得到一个修改后的连续时间马尔可夫链，它保留基础过程的局部编辑结构。命题 3.1 指出，在 G 可积且调和函数在可达状态上保持为正的假设下，这条引导链的终态分布恰好是偏好倾斜分布。

这一构造无法直接使用，因为调和函数在大型编辑空间中难以精确计算。pCoMole 用短蒙特卡洛 rollout 近似它：从候选后继状态出发，按基础速率模拟 R 条到终态的延续，并对得到的终态取 G 的平均。候选状态先由基础速率抽取，再按其估计的延续价值重新加权，因此那些局部合理、但不太可能通向可行高效用终点的编辑会被降权。

两项工程选择让计算可负担。候选先用廉价筛选准则剪枝，rollout 只分配给即时标量化得分高于当前状态的候选。方法还维护一个在所有 rollout 中观测到偏好最高的可行终态；若某一步没有候选具有正值，则保留当前状态；若整次运行未观测到任何可行终态，则返回输入序列并计为失败。

三项任务检验不同约束下的缩短

论文在三个生物分子编辑问题上验证 pCoMole。GFP 小型化要求缩短序列长度同时保留荧光相关性质；报告的设计保留了典型 β-桶结构并改善了预测的光学目标。Cas9 缩短中，方法生成一个缩短的 SpCas9 变体，满足 PAM 约束，同时保持较高的预测 Cas9 相似性和合理的结构。肽模拟物结合体设计中，一个已知的 7JVS 结合体被压缩为短肽模拟物，在硬约束下优化七项药物相关性质。

这三种场景的硬约束不同，需要权衡的目标数量也不同，因此它们是彼此独立的检验，而不是同一实验的重复。Cas9 案例最清楚地体现了论文的动机压力：缩短长度对递送很重要，但 PAM 特异性是不能简单交换掉的约束。

两个缩短的 eGFP 设计保留了绿色荧光

最具体的证据来自实验而非预测。两个由 pCoMole 设计的 eGFP 变体各长 229 个残基，在 10 处缺失并伴随一到两处替换后，仍在 BL21 细胞中保留清晰的绿色荧光。这是一项范围窄但直接的检验，说明缩短后的设计仍能在细胞中发挥功能，也是论文从计算机目标走向实际观测行为的主要桥梁。

这一检验的范围需要精确理解。它覆盖两个变体、一种宿主菌株，并以荧光作为读出指标；它不能证明在其他细胞类型、体内环境或框架可优化的其他性质上同样成立。论文自身的影响讨论也指出，基因组编辑和治疗用途需要实验验证与安全性筛查，包括关注脱靶活性和免疫原性。

相对缩短基线的可行性与权衡控制

作者报告，相对于最先进的缩短与编辑方法，pCoMole 在可行性和权衡控制上有所改善，并点名 RayGun 和 SCISOR 作为比较对象。这一主张针对的是终态设计满足硬约束的频率，以及方法在多个目标之间权衡的能力，而不是某个单一的综合得分。

这一区分对理解结果很重要。缩短基线可以产出更短的序列，却可能不满足约束或多目标平衡；pCoMole 的贡献恰恰是三者的结合：多目标优化、硬性终态可行性和离散变长空间中的编辑。论文还给出终态分布结果之外的理论，包括帕累托覆盖、rollout 近似界、多步稳定性结果和 incumbent 可行性保证，这些理论支撑实际近似，而不是替代实证比较。

保证在哪里止步，rollout 预算从哪里开始

精确的偏好一致性结果只在调和函数可得的理想情形下成立。实际中 pCoMole 用短 rollout 替代，作者也承认有限预算可能错过可行终态；incumbent 机制和剪枝规则正是对这一风险的回应，附录结果给出的是近似界而非消除近似误差。若一次运行从未观测到可行终态，就返回输入序列，因此失败是可见的，而不会被悄悄转成一个设计。

评估也集中在三个编辑任务上，多数目标使用预测性质得分，另有一项湿实验荧光读出。因此，考虑采用该方法的读者应区分两个问题：在给定 rollout 预算下，引导过程能否可靠到达可行且帕累托对齐的终态；以及用于给这些终态打分的目标模型，是否反映了目标应用真正关心的性质。

决定设计的是偏好权重而非仅长度

论文最有用的结论是：权重向量就是控制面。不同权重把同一个预训练 Edit Flow 倾斜向不同的帕累托权衡，因此关键决策不只是把序列缩短多少，而是允许哪些目标承担缩短的代价。在 Cas9 案例中，这意味着把 PAM 特异性当作门控可行性的约束，而长度与预测 Cas9 相似性之间相互权衡。

eGFP 结果为这一权衡设定了实际门槛：10 处缺失加一到两处替换，在 229 个残基时仍在 BL21 细胞中产生清晰荧光。对判断该框架是否适合某个问题的读者来说，第一个问题是硬约束能否写成终态可行性条件，第二个问题是 rollout 中使用的目标得分是否足够可信，使一个可行且高 utility 的终态同时也是好分子。

本文引用的文献