变质蛋白折叠转换位点预测：手工特征与语言模型特征对比

研究将变质蛋白的折叠转换预测建模为逐残基分类任务，用序列与结构特征训练二分类和三分类模型，二分类性能优于三分类。手工参数化特征在标准测试集上与蛋白语言模型（PLM）嵌入表现相当。严格误差分析发现变质蛋白测试数据存在关键数据泄漏，PLM分类器存在序列记忆偏差、无法泛化到新折叠转换序列，而基于领域知识的手工特征分类器不依赖序列记忆即可检出折叠转换。