PulseAugur
中
实时 10:31:05
English(EN) Residue-Level Attributions in Protein Language Models Do Not Recover Allergen Epitopes

蛋白质语言模型的过敏原解释缺乏生物学依据

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新近发表在arXiv上的研究质疑了用于过敏原性分类的蛋白质语言模型所提供的解释的生物学相关性。尽管ESM-2和DeepPlantAllergy等模型在蛋白质级别的预测准确性方面表现出色，但它们的残基级归因信号与注释的过敏原表位没有显著的关联。研究表明，这些模型可能依赖于一般的序列特征，而不是特定的免疫学机制，并警告说，在没有严格验证的情况下，不应将它们的解释视为用于安全筛选或低过敏原设计的直接免疫学见解。 AI

影响 对蛋白质语言模型在过敏原筛选等安全关键应用中的可解释性提出了挑战。

排序理由 发表在arXiv上的研究论文，详细说明了AI模型的局限性。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

蛋白质语言模型的过敏原解释缺乏生物学依据

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Damir Zhakparov ·

    蛋白质语言模型中的残基级归因无法恢复过敏原表位

    Deep allergenicity classifiers are increasingly used in safety screening of novel foods, and recent protein language models have substantially improved protein-level allergenicity prediction. However, whether their explanations capture biologically meaningful information remains …

相关实体

相关话题