Nature 数据里的「孤儿蛋白」:别再丢弃训练 PLM 的 singleton
KevinKaichuang · x · 2026-08-18
Kevin Kaichuang 转发并补充一项与同仁合作的研究:训练蛋白质语言模型(PLM)时,惯例会丢弃宏基因组数据中无法与其他任何蛋白聚类的「singleton」蛋白,常被当作碎片或错误。
研究显示这些罕见的不聚类蛋白其实是有用的训练素材,丢弃它们可能并非正确策略——自然界充满了这类超罕见蛋白,论文给出了具体论证。
所属事件:研究称训练蛋白质语言模型不应丢弃孤儿蛋白(3 条相关)→
「研究」频道最新
- 五药企联邦训练 OpenFold3：2 万私有结构数据不外泄提分 11 个点 — jiqizhixin · 2026-10-16
- 新水印框架 SWAN 把签名藏进句义，改写也难抹掉 — burkov · 2026-10-16
- 可解释性圈起争执:"神经网络本就干净"结论被指夸大 — aryaman2020 · 2026-10-16
- LayerTrim：免训练剪枝保住推理模型 AIME 能力 — SeoulNatlUniv · 2026-10-16
- Simular 在 BayLearn 展示神经符号化计算机使用 Agent — xwang_lk · 2026-10-16
- Google 量子负责人 Neven 谈芯片测试争议并计划把大脑连上量子计算机 — Chris_Armstrong · 2026-10-16