对蛋白质工程的基准测试不确定性量化

科学领域:

• 计算生物学是一种计算生物学.
• 机器学习 机器学习
• 蛋白质工程是一种蛋白质工程.

背景情况:

• 机器学习序列功能模型对于蛋白质工程至关重要.
• 有效的蛋白质设计需要序列选择和模型改进的方法.
• 这些方法依赖于校准模型不确定性估计.

研究的目的:

• 在蛋白质序列功能回归任务上对深度学习不确定性量化 (UQ) 方法进行基准测试.
• 为了评估在不同分布式转移和数据表示中UQ方法的性能.
• 评估UQ方法在主动学习和贝叶斯优化蛋白质设计中的实用性.

主要方法:

• 在蛋白质 (FLIP) 的健身景观推断基准上实施并比较了各种深度学习的UQ方法.
• 使用准确性,校准,覆盖范围,宽度和等级相关性等指标评估UQ表现.
• 在回顾式主动学习和贝叶斯优化中评估了使用一热编码和预训练语言模型表示的UQ方法.

主要成果:

• 没有单一的UQ方法在所有数据集,分割和指标中表现出优异的性能.
• 在贝叶斯优化中基于不确定性的采样通常不超过贪的采样.
• 性能因特定的UQ方法,数据表示和分布式转移而有所不同.

结论:

• 在蛋白质机器学习应用中,选择UQ方法至关重要,并且取决于环境.
• 当前的UQ方法可能无法持续改善蛋白质工程中的积极学习或贝叶斯优化.
• 提供了使用机器学习和UQ优化生物序列设计的建议.