本研究提出了一种新方法DMRA，通过融合表示对齐的扩散模型，显著提升了蛋白质逆折叠中氨基酸序列预测的准确性，超越了现有的领先方法。

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。