bioRxiv 预印本· Bouras, G., Edwards, R. A. ·· 2 天前AI 评分20
蛋白质语言模型嵌入注释基准测试:各向异性显著影响检索性能
Know Thy Neighbour: Benchmarking Protein Language Model Embedding-Based Annotation Reveals Anisotropy Substantially Impacts Retrieval
AI 导读
基于蛋白质语言模型(pLM)嵌入的功能注释缺乏零模型,无法设定控制假阳性的余弦相似度阈值。在Swiss-Prot和SCOPe数据集上以1%假阳性率基准测试12个模型的末层平均池化嵌入,未经过检索训练的pLM最多召回15%的远程同源物,而MMseqs2为85%。
来源:bioRxiv 预印本 · biorxiv.org