797-量化蛋白质模型及其任务的表示不确定性

这篇文章介绍了一种评估蛋白质语言模型（pLMs）生成嵌入可靠性的创新框架。作者指出，当前的生物分子表示往往缺乏置信度度量，导致在下游任务中可能传播错误信息。为此，他们开发了随机邻居得分（RNS），通过计算蛋白质在潜在空间中与随机合成序列的重叠程度来量化不确定性。研究表明，高 RNS 值（即高不确定性）与蛋白质结构预测精度下降及变异效应预测性能受损密切相关。这种与模型无关的评分方法能够有效识别学习不足的序列，从而在进行生物学推断前筛选出低质量的数据表示。该工作强调了在科学领域应用语言模型时，建立标准化评估机制以增强结果可解释性的重要性。

References:

• Prabakaran R, Bromberg Y. Quantifying uncertainty in protein representations across models and tasks[J]. Nature Methods, 2026: 1-9.