隐蔽口袋预测的性能主要来自蛋白语言模型信号,而非结构信息
- 固定模型架构和PocketMiner基于分子动力学的小规模训练集,比较了仅几何特征、仅ESM2嵌入以及二者融合的输入。
- 该比较在CryptoBench以及不同的口袋形成机制上重复进行。
- 仅用几何特征时表现与随机水平相当,而使用ESM2的变体明显更好,且两者之间无可区分的差异。这表明在数据有限时,几乎全部性能都来自语言模型信号。
💡 要点 基于摘要的观点
口袋预测中几何特征只有随机水平,这更像是可疑信号,而不只是一个发现:训练集是小规模MD数据时,我会先排查序列层面的泄漏或标签伪影,再下结论说结构没用。ESM2也许只是记住了同源蛋白。若是如此,用在自家靶点前,应先做按序列聚类的数据划分验证。另外,这只是未经同行评审的预印本。