换言之：学习何时信任生成的蛋白质功能描述

内容形式：摘要译文

生成式蛋白质到文本模型能够以自由形式的英语撰写功能描述，却无法指明哪些描述值得信赖。事实上，自由文本难以评估。我们提出一种大型语言模型，用于判定预测的功能描述与“真实”功能描述是否等价，并通过盲法专家审校加以验证。我们还提出了 ProtTale，这是一种序列到文本模型，可从判定结果中学习，估计自身预测的可靠性 pJay。在未见过的 Swiss-Prot 酶上，ProtTale 与另外三种领先方法的准确率不相上下，但各自正确预测的蛋白质并不相同。在这些预测中，ProtTale 独有的正确预测数量超过了其他所有方法的总和。仅依据序列计算得出的 pJay 可作为即插即用的筛选器，提升所有模型的表现。对于短蛋白质，它使每种受测方法的精确率都接近翻倍。我们认为，生成式注释之所以能够发挥作用，并非因为它更常答对，而是因为它知道何时值得信赖——这是生物学领域每一种生成式模型都应达到的标准。

关键词：蛋白质功能注释 · 生成式蛋白质模型 · 功能预测可靠性 · 序列到文本模型 · 大型语言模型

原文链接：https://www.biorxiv.org/content/10.64898/2026.10.15.757758v1?rss=1