摆脱系统发育陷阱：持续同调通过多模态图神经网络实现跨物种离子通道分类

英文标题：Escaping the Phylogenetic Trap: Persistent Homology Enables Cross-Species Ion Channel Classification via Multimodal Graph Neural Networks

本研究指出了蛋白质功能分类模型在评估基准上的普遍缺陷，即随机划分训练集与测试集会导致严重的“系统发育泄漏”（phylogenetic leakage）。这种数据泄露会使模型过度依赖特定生物分类群的伪相关性，从而严重高估其在分布外（out-of-distribution）场景中的泛化性能。为此，研究团队引入拓扑数据分析中的持续同调（Persistent Homology）并结合多模态图神经网络（Multimodal GNN），旨在建立跨物种离子通道分类的鲁棒模型。该成果对于生物医药领域的跨物种靶点预测、抗性机制研究以及计算生物学基准评测规范具有重要的参考价值。

2.0 KB 612 B 380 B 24.2 KB 34.7 KB