超越行动熵：基因组规模代谢模型修复的商空间探索

从功能观察中修复科学模型与监督预测有着根本的不同：​​反馈可能会证明解决方案，但不会揭示哪个结构修正是负责的。我们研究了基因组规模代谢模型（GEM）修复的这种设置，其中多重反应编辑可以解释相同的表型，并且许多明显不同的编辑对应于相同的生物机制。这种多对一的结构为传统探索创造了一种隐藏的失败模式：输出空间的多样性不需要转化为科学假设的多样性。我们引入了 QuotientPO，它将等效修复折叠到规范机制中，并直接在所得商空间上优化探索。为了使商探索在有限的部署下提供信息，我们推导了一个内核化的 Rényi 估计器，该估计器可以解决不同修复核心之间超出粗略精确匹配计数的分级拥挤问题。在 2,212 个保留的 GEM 上，QuotientPO 将 Success@32 从 17.93% 提高到 20.10%（相对+12.1%），同时持续增加明显的成功核心发现 在相同的抽样预算下。这些结果将商空间探索确立为验证者诱导等效性下机制级发现的原则方法。