别拿 embedding 当突变效应分数：蛋白质语言模型的常见误用
Fair-Rain3366 · reddit · 2026-10-14
想用蛋白质语言模型挑选待测的酶突变候选时，很多人直接提取 embedding 当预测用——作者指出这是个常见误区：
- Embedding 只是向量表示（ESM 可以给出每个残基的向量或整条蛋白的平均向量），要从它得到性质预测，仍需在带标注数据上训练一个预测器
- 突变分数是另一种输出：masked 模型比较给定上下文中替换氨基酸与原始氨基酸的似然，可以在不用你的实验标签的情况下对替换排序——但它不是活性测量值，也不是酶能工作的概率
- 实践建议：要么把 embedding 作为训练好的预测器的输入，要么用模型文档写明的突变打分流程；并用你实际测量的性质去评估排序质量——两条路线的输出不可互换
文中附 ESM 仓库、NeurIPS 2021 突变打分论文和 rewirebio.io 的教程链接（作者披露内容为 AI 辅助撰写）。
「研究」频道最新
- TUM 发布 Tadpole：自编码器当 3D PDE 基础模型，NeurIPS 论文 — jiqizhixin · 2026-10-23
- Arc Institute 发布 COMPASS:用基因组语言模型绘制非编码 DNA 功能图谱 — anshulkundaje · 2026-10-23
- FDA 批准个性化新抗原癌症疫苗：每位患者产品皆不同 — alex_peys · 2026-10-23
- VIPerturb-seq 更新:10x Genomics 将推商业化单细胞 CRISPR 筛选产品 — anshulkundaje · 2026-10-23
- 新论文用二次模型复现 Transformer 训练 loss 尖峰，直指成因本质 — CSProfKGD · 2026-10-23
- 扩散模型教科书团队将把教程升级为 NeurIPS 2026 扩散 LLM 专场 — mittu1204 · 2026-10-23