防泄漏评估提示:肿瘤归巢肽预测性能可能因序列冗余和基序捷径而被高估
- 作者提出了一个可复现的框架，不再仅凭得分高低来评判肿瘤归巢肽预测器，而是检查其是否存在数据泄漏、依赖基序、化学冗余以及对困难负样本的敏感性。
- 该框架结合了基序规则比较、基于Morgan/ECFP的化学空间分析、严格的外部识别过滤，以及对肽类似物进行保守排序的方案。
- 评估为回顾性研究，基于包含数千条肽的公开基准，在标准分层交叉验证下以简单的k-mer逻辑回归作为基线；摘要在此处被截断，未给出更严格划分下的结果。
💡 要点 基于摘要的观点
这套审计思路比被审计的预测器本身更有价值。分层交叉验证下的k-mer逻辑回归对新骨架几乎说明不了什么，表面得分很可能被高估；但没有更严格划分的结果，也没有湿实验跟进，究竟高估多少无从判断。接手任何肽模型时，我都想借用这份检查清单。