开放世界真菌 ITS 嵌入提升了高阶分类定位和跨视图检索能力，但在匹配的 ITS2 新颖性基准测试中，序列一致性百分比表现更强。

内容形式：摘要译文

• 背景。真菌内部转录间隔区（ITS）分析通常通过与同源参考序列的相似性来推断分类归属和新颖性。在这种情况下，序列一致性百分比是一个强有力的信号，但它无法直接比较非同源的条形码视图，也不会显式优化参考集合中缺失属的高阶分类定位。我们探讨了紧凑型序列编码器能否学习这种开放世界结构，以及最大嵌入余弦相似度能否提升新颖性检测能力。2. 设计。我们基于2025年2月19日发布的 UNITE 动态版本构建了 ITS-core、ITS1 和 ITS2 视图，并采用属级分离的开发集、校准集和测试集设计。卷积编码器将序列映射为256维的 L2 归一化嵌入。我们通过受控的递进式实验比较了属代理监督（M0）、跨视图不变性（M1）、分类层级几何结构（M2）、留一属科级情景训练（M3）以及组合目标（M4）。在开放 CAL_KNOWN 和 TEST 数据集之前，M4 已冻结。我们还对一个历史 ITS2 基准进行了泄漏审查，并在采用固定方案、排除所有留出基准分类群的安全重训练后，才对其进行评分。3. 结果。跨视图监督将受控 ITS2 开发集 AUROC 从0.688提高至0.717，并将新科定位率从22.1%提高至33.0%。情景训练将新科定位率进一步提高至41.0%，但在某些视图上的新颖性区分能力有所下降。组合模型 M4 同时恢复了这两方面的表现，其 ITS-core、ITS1 和 ITS2 开发集 AUROC 分别达到0.778、0.755和0.751，新科定位率分别为57.5%、48.7%和41.3%。在未触碰的 TEST 数据上，ITS2 的 AUROC 达到0.763（95%置信区间：0.748–0.779），并在科、目和纲水平上分别以52.0%、81.1%和

在92.9%的查询中，ITS-core和ITS1上的开发集AUROC均高于TEST区间，表明这两个视图存在约0.02–0.04 AUROC的选择乐观偏倚。当α = 0.05时，共形校准得到的观测假新颖率为4.7%，并检出了11.2%的新属ITS2查询。在成对且无数据泄漏的历史基准上，百分比一致性仍优于M4余弦相似度：AUROC分别为0.770和0.702；在假新颖率约为5%时，新颖查询检出率分别为27.8%和8.6%。4. 结果解读。结构化真菌ITS嵌入能够实现更高分类阶元的定位和跨视图检索，而仅凭同一位点的一致性评分无法做到这一点。当存在同源ITS2参考序列时，最大嵌入余弦相似度不能取代直接序列一致性作为新颖性统计量；从同一嵌入中获取的其他评分能否缩小这一差距，仍有待检验。

关键词：真菌ITS条形码 · 序列嵌入 · 分类定位 · 新颖性检测 · 跨视图检索

原文链接：https://www.biorxiv.org/content/10.64898/2026.09.17.752437v1?rss=1