跳到正文
原文
bioRxiv 预印本· Jeuken, G. S., Mulla, Y. ·· 19 天前AI 评分18

度偏差可预测并超越机器学习噬菌体-宿主互作预测,去除后性能提升

Degree bias predicts, outperforms and improves machine learning phage-host interaction predictions

AI 导读

一项 bioRxiv 预印本研究显示,仅基于网络度数的"互作无关"模型在十个数据集上的全局 AUROC 均高于五款已发表的机器学习模型,说明全局 AUROC 主要反映网络结构而非真实互作预测。通过度守恒随机网络与度分层评估分离真实互作信号后,现有 ML 模型性能远低于全局 AUROC 所显示的水平。从训练数据中回归去除度偏差可提升互作可预测性及全局与分层性能。

来源:bioRxiv 预印本 · biorxiv.org