跳到正文
arXiv· Arezoo Bybordi; Favour Achimba; Mariam Gelashvili; Jessy Ramirez; Weigang Qiu; Mandë Holford; Anita Raja·· 26 天前AI 评分57

逃离系统发育陷阱:持续同调结合多模态图神经网络实现跨物种离子通道分类

Escaping the Phylogenetic Trap: Persistent Homology Enables Cross-Species Ion Channel Classification via Multimodal Graph Neural Networks

AI 导读

论文提出 PH-GNN,以持续同调拓扑描述符结合 ESM-2 序列嵌入和二硫键感知图注意力网络,在跨物种离子通道分类任务上取得 63.4% 准确率。在覆盖五个分类群、1,373 个 ColabFold 预测毒液化合物的留一分类群评估中,常规随机划分下各模型准确率相近(81-86%),但分类群偏移时序列基线降至约 30%,其他几何先验集中在 54-55%。

预印本 · arxiv · 2610.30394

本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

蛋白质分类器对评估协议高度敏感:随机训练/测试划分会引入系统发育泄漏,使模型得以利用类群特异性相关性,从而大幅高估分布外性能。这一问题在按离子通道靶点(Ca2+、K+、Na+)进行毒素化合物分类时尤为突出,因为所报告的 80-90% 准确率并不能反映模型对未见类群的泛化能力。我们将跨物种预测表述为一种结构化分布偏移,其中分类学身份充当混杂因素,因此需要能够捕捉跨系统发育不变的结构特征的表示。我们使用一个共享的多模态骨干网络,将 ESM-2 序列嵌入与感知二硫键的图注意力网络相融合,在一个涵盖五个类群、共 1,373 个由 ColabFold 预测的毒素化合物的基准数据集上,采用留一类群(leave-one-taxon-out)评估协议,系统比较了五种结构归纳偏置(谱表示、黎曼表示、SE(3) 不变表示、统计流形表示和持续同调表示)。持续同调表示通过拓扑描述子概括主链几何,这些描述子对局部结构扰动具有鲁棒性,从而提供了面向系统发育不变学习的归纳偏置。在传统的 i.i.d. 划分下,所有模型达到相近的准确率(81-86%),掩盖了归纳偏置之间的差异。在分类学偏移下,这种均势被打破:仅基于序列的基线模型准确率降至约 30%,其余几何先验模型集中在 54-55%,而我们的持续同调模型(PH-GNN)达到 63.4%,比次优方法高出 8 个百分点以上。这些结果表明,随机划分评估会掩盖表示质量上的实质性差异,并指出拓扑表示是应对结构化生物分布偏移下学习的一种有效归纳偏置。

来源:arXiv · arxiv.org