零样本蛋白-配体结合位点预测基准与三阶段模型

Pourmirzaei M 等作者提出配体感知的残基级结合位点预测基准与三阶段序列模型评估框架，按配体数据可得性分为过表征、欠表征和训练中未见配体三种设置，数据来自 BioLiP2 并按配体特异性序列聚类。 模型分三阶段逐步引入配体嵌入与化学语言模型 SMILES 表示：第二阶段在过表征测试集上配体宏平均 F1 为 0.5832，高于第一阶段的 0.4769；第三阶段在未见配体上残基级合并 F1 为 0.3109、配体宏平均 F1 为 0.2338，在已表征配体上仍具竞争力。作者称，使用恒定、错配和打乱的 SMILES 输入会降低三种设置下的性能，表明模型利用了配体输入相关信息，而非仅依赖蛋白通用结合位点倾向。 消融实验显示，增大蛋白语言模型规模总体提升性能但趋势并非严格单调，化学语言模型规模带来的增益较小且不一致。

AI 根据报道生成 · 5 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。