跳到正文
bioRxiv· Li, T.; Ram, P.; Tawfiq, R.; Guintu, F.; Yang, C.; Bromberg, Y.·· 来源仅提供日期AI 评分61

研究提出 ProtTale 与 pJay,判断蛋白质功能描述何时可信

In Other Words: Learning When to Trust Generated Protein Function Descriptions

AI 导读

作者提出经盲法专家标注验证的LLM判官来比较蛋白质功能描述,并训练ProtTale估计自身可靠性pJay。在未见过的Swiss-Prot酶上,ProtTale与另外三种领先方法准确率持平,但正确蛋白不同,其独有正确预测超过其他方法之和。仅凭序列打分的pJay可作为插件过滤器,使所有测试模型表现提升,在短蛋白上精确率接近翻倍。

预印本 · biorxiv · 10.64898/2026.10.15.757758

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

生成式蛋白到文本模型用自由形式的英语撰写功能描述,却不表明哪些描述可信。事实上,自由文本难以评估。我们引入了一个用于判断预测功能描述与"真实"功能描述是否等价的大语言模型评审器,并通过盲法专家审校进行了验证。我们还提出了 ProtTale,这是一个序列到文本模型,它从评审器的判定中学习,以估计自身的可靠性 pJay。在未见过的 Swiss-Prot 酶上,ProtTale 与其他三种领先方法在准确率上打成平手,但它们答对的是不同的蛋白质。在这里,ProtTale 独有的正确预测数量超过了其他所有方法的总和。仅凭序列打分的 pJay 是一个即插即用的过滤器,能提升所有模型的性能。在短蛋白质上,它使每种被测方法的精确率几乎提高了一倍。我们认为,生成式注释之所以有用,不是因为它更常答对,而是因为它知道自己何时可信——这是生物学中每一个生成式模型都应达到的标准。

来源:bioRxiv · biorxiv.org