综述:算法问题:当架构复杂性遇上抗菌肽预测中的生物现实
《WIREs Computational Molecular Science》:The Algorithm Question: When Architectural Complexity Meets Biological Reality in Antimicrobial Peptide Prediction
【字体:
大
中
小
】
时间:2026年09月22日
来源:WIREs Computational Molecular Science 10.9
编辑推荐:
**摘要**
抗菌肽(AMPs)的计算预测与设计领域发展迅速,从结合经典机器学习的理化描述符,发展到Transformer架构和生成模型。每种新架构都声称性能有所提升,但一些基本问题仍未得到解答:增加的复杂度是否带来了成比例更好的生物学预测效果?不同架构究竟学到了什么?近期
**摘要**抗菌肽(AMPs)的计算预测与设计领域发展迅速,从结合经典机器学习的理化描述符,发展到Transformer架构和生成模型。每种新架构都声称性能有所提升,但一些基本问题仍未得到解答:增加的复杂度是否带来了成比例更好的生物学预测效果?不同架构究竟学到了什么?近期的全景综述已经对相关进展进行了梳理;本综述则采取了不同的立场,论证该领域过于推崇架构新颖性而忽视了生物学理解,并扩大了计算指标与治疗相关性之间的鸿沟。重新审视现有证据得出了三个发现:首先,深度学习模型并不总是优于设计良好的浅层方法,且两者编码的统计化学信息相似;其次,报告的体外验证率为59%至100%(针对经过高度预筛选的设计)这一数据,无论算法类别如何,都聚集在很窄的范围内,这表明预筛选流程而非原始模型准确性才是这些数字的主要驱动因素;第三,诸如HydrAMP、Multi-CGAN和潜扩散框架等生成模型,其采样范围仅限于训练数据所定义的理化约束范围内,由于抗菌活性可能因单个替换而发生急剧变化,描述符空间的新颖性本身并不能证明功能性新颖性。为了用原创证据支撑这一批评,验证率分析被扩展到了18项代表性研究。随后提出了两个社区工具:生物学优先算法选择(BFAS)决策框架,该框架将任务、数据、可解释性和计算预算四个维度的选择协议转化为可操作协议;以及AMP-CASP,即CASP盲基准测试的AMP等价版本,将此前关于类似CASP的社区评估的呼吁转化为可操作协议,其中包括保留活性、毒性和稳定性标签、同源性感知分割、按生物体解析的终点指标,以及明确的检测条件元数据。当前进展取决于对算法在从计算预测向临床转化过程中能够和不能实现什么进行诚实评估。**图形摘要**在18项抗菌肽发现研究中,报告的体外验证率与候选物在合成前经过多重筛选的程度成正比,从59%–100%降至3.75%–9%,而在独立基准测试上,接近天花板水平的准确性降至0.860。架构新颖性已超过了治疗收益的证据。**利益冲突**作者声明无利益冲突。**数据可用性声明**本文章不适用数据共享,因为在当前研究中未生成或分析数据集。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号