跳到正文
原文
bioRxiv 预印本· Adeyina, T. S., Mohl, J. E., Idris, M., OLOKO-OBA, M., Onyedibe, K., McDermott, J. E., Aslam, A. ·· 17 小时前AI 评分18

蛋白质功能预测分词研究:词表重复性而非生物学依据决定迁移效果

Vocabulary recurrence, rather than biological grounding, explains tokenization transfer in protein function prediction.

AI 导读

基于bioRxiv预印本的研究比较了胰蛋白酶肽段、肽主题、3-mer和氨基酸组成在蛋白质功能预测中的迁移表现,使用6个Gene Ontology术语和23,723个UniProt蛋白质。92.2%的肽段token在训练集中未出现,导致38.9%的测试蛋白质无法分类;胰蛋白酶肽段整体macro-F1为0.640,低于3-mer的0.690。结果表明词表重复性比生物学依据对分词迁移更重要。

来源:bioRxiv 预印本 · biorxiv.org