调优后的近邻基线与多任务神经网络的靶点预测表现相当，二者混合则优于各自单独使用
- 作者基于ChEMBL构建了按骨架划分的基准，涵盖大量人源蛋白靶点，超参数仅在验证集上确定。
- 在保留测试集上，经过调优的近邻相似性检索与多任务神经网络的靶点排序表现大致相当。
- 两者加权混合带来了幅度不大但具有统计显著性的提升；该证据仅来自回顾性评估，没有实验验证。
💡 要点 基于摘要的观点
按骨架划分后，边界两侧仍可能存在相近类似物，所以调优后的近邻法追平神经网络，既反映模型水平，也暴露了基准本身的特点。混合带来的提升很小，除显著性外还应逐靶点看效应量。前瞻性评估更能说明问题：面对ChEMBL数据稀疏的新骨架，两者会如何给靶点排序。
Integrating classical similarity and multitask neural representations ↗