一篇新发表在arXiv上的研究论文详细介绍了蛋白质-蛋白质相互作用(PPI)数据集中存在的偏差,这些偏差会误导机器学习模型。该研究由Judith Bernett领导,分析了包括HIPPIE、IntAct和STRING在内的几个主要PPI数据库,以及来自蛋白质数据库(Protein Data Bank)的数据。研究人员发现,常见的数据分割方法和负数据集的构建会引入模型利用的“捷径”,而不是学习真正的生物信号。为解决此问题,该论文介绍了一个开源的Nextflow管道,旨在通过优化的数据集分割和负采样技术来缓解这些偏差。 AI
影响 识别出可能导致生物研究中AI模型不可靠的关键数据质量问题,需要仔细进行数据审计和预处理。
排序理由 发表在arXiv上的研究论文,详细介绍了生物数据集中的偏差。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →