研究人员提出DRAKES算法，通过强化学习优化离散序列生成，解决蛋白质设计和基因调控中的问题。该算法在保持序列自然性的同时，显著提升了下游任务的性能，显示出在生物医学领域的应用潜力。

本研究提出了一种新算法DRAKES，优化了离散扩散模型在生成生物序列时的性能。通过使不可微分轨迹可微分，实现了奖励的直接反向传播，提升了DNA和蛋白质序列的自然性和功能性，对基因和蛋白质治疗有重要意义。