留一论文复评：手性色谱ML预测准确率降至随机水平

Cui, Lang 发布预印本，用真正的留一论文协议重估多糖手性固定相上的对映选择性机器学习预测。在 CMRT 数据集 10,525 对对映体（覆盖 530 个 DOI 组、25 根色谱柱）上，洗脱顺序准确率从随机划分下的 66.1% 降至 52.9%，与论文内置换零假设的 52.3%±0.6 无法区分。 该研究称，分子信号在单篇论文内真实存在（逐篇相关系数中位数 r=+0.185），但对未见过的论文降至 r=+0.0009，增加训练论文也无帮助；仅 23.05% 的方差可归因于分子与条件的可加主效应，其余 76.95% 为无法识别的分子×条件交互与噪声。 这意味着按论文划分评估时，模型尚不能泛化到新论文的洗脱顺序预测。

AI 根据报道生成 · 3 天前更新