PPI-Caliper:タンパク質言語モデルの相互作用予測に偽発見率の制御を付与、ただし分布シフト下では破綻も
- PPI-Caliperは、保留ラベルのみを使い再学習なしで、ユーザー指定の偽発見率でタンパク質間相互作用を選別する、モデル非依存のコンフォーマル較正ラッパーである。
- 5生物種、2種のタンパク質言語モデル予測器、各2種のヒト学習データで検証し、較正データと評価データが同分布のとき、実際の誤り率は目標以下に収まった。
- 分布シフト下では、別条件から持ち越した閾値は予測が向上すると保守的になるが、性能が下がると誤り率を制御できなくなる場合があった。
💡 ポイント アブストラクトに基づく見解
標的探索で本当に問われるのはベンチマークのAUCではなく、追試アッセイが尽きる前に上位の相互作用をいくつ追えるかだ。FDRを明示的に調整できればそれに答えられる。重要なのは分布シフトの結果を正直に示した点で、よく研究された生物種で較正して注釈の乏しい生物種に適用する場面こそ破綻しやすい。信頼する前に、自社のインタラクトームで直交的な検証をかけたい。
Error-Controlled Discovery of Protein Interactions via Conformal Calibration ↗