变质蛋白折叠转换预测的计算方法研究

2026-10-08，bioRxiv发布预印本，将变质蛋白折叠转换位点预测建模为逐残基分类任务，采用序列与结构特征训练二分类和三分类模型，结果显示二分类性能优于三分类。研究对比手工参数化特征与蛋白语言模型（PLM）嵌入，在标准测试集上两者表现相当。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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。