动态负样本提升T细胞结合预测

Zhu 等人在《Nature Computational Science》发表研究，提出在每个训练批次动态生成全新的 T 细胞受体–pHLA 负样本，并据此微调 ESM2 蛋白质语言模型。在外部实验基准上，3500 万参数模型的 AUROC 相对提升 5.22%，表现超过最强固定负样本基线。 该方法针对“未测过的配对未必不能结合”的负样本构造难题，在生成负样本时排除已知结合对，同时保持各片段在正样本中的出现频率。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。