FLIGHTED：从含噪高通量实验数据推断蛋白质适应度景观

【摘要级】作者提出 FLIGHTED，一种从含噪高通量实验数据生成概率适应度景观的贝叶斯方法，用于在蛋白质适应度建模中显式计入实验不确定性。在单步筛选（如噬菌体展示）和将活性与碱基编辑关联的高通量测定两类实验中，计入噪声在统计上显著提升了标准机器学习模型的性能。基于 FLIGHTED 的新基准显示，限制蛋白质适应度模型性能的是数据规模而非模型规模；作者称该方法可适用于任意高通量测定和任意机器学习模型。