本研究提出了一种名为RL-DIF的分类扩散模型，结合强化学习，旨在解决蛋白质逆折叠中的序列多样性不足问题。结果表明，RL-DIF在保持序列恢复率和结构一致性的同时，显著提升了可折叠多样性，展示了生成多样化序列的潜力。

上海交大团队开发了CPDiffusion模型，通过低成本训练生成多样化蛋白质序列，成功设计出高活性内切核酸酶。该模型无需专家指导，自动识别保守区域，提高序列多样性，显著提升蛋白质活性，推动AI在生命科学中的应用。