MutQA跨验证突变问答数据集发布

McCourt 等作者发布 MutQA 数据集，包含 330,387 条有文献引证支撑的问答对，将蛋白编码突变与其功能后果关联，覆盖 6,620 个基因、125,593 个基因-变异对，证据来自 27,442 篇开放获取 PubMed Central 文章。作者称，在 401,406 条受审核问答对中，82.7% 通过双向交叉验证；其中能找回参考蛋白序列的部分构成发布的基准集。 作者称，在 999 对分层审核中，两名专家标注员对交叉验证问答对完全一致率为 86.4%（95% CI 83.7–89.0；n=638），该层级约 90% 的评级为“正确”。 作者报告，在 MutQA 上微调 MutaPLM 后，其针对问题条件化突变效应回答的平均 LLM 评判分从 1.45 升至 2.82（0–5 分制），从效应描述恢复突变的准确率从 19.4% 升至 32.1%；不微调、仅提供变异匹配的 MutQA 检索上下文，使四个 LLM 系列的严格答案准确率提升 20.0–28.6 个百分点。

AI 根据报道生成 · 10 天前更新