ExplainableFold：用可解释 AI 理解 AlphaFold 预测
人工智能
2023-06-12 v2 机器学习
摘要
本文提出 ExplainableFold，一个用于蛋白质结构预测的可解释 AI 框架。尽管以 AlphaFold 为代表的基于 AI 的方法在该领域取得了成功，但由于深度学习模型的黑箱性质，其预测背后的原因仍不清楚。为此，我们提出一种受生物学原理启发的反事实学习框架，为蛋白质结构预测生成反事实解释，从而实现一种干实验（dry-lab）研究方法。实验结果表明，ExplainableFold 能够为 AlphaFold 的预测生成高质量解释，提供关于氨基酸对三维蛋白质结构影响的近实验级理解。该框架有潜力促进对蛋白质结构的更深入理解。
引用
@article{arxiv.2301.11765,
title = {ExplainableFold: Understanding AlphaFold Prediction with Explainable AI},
author = {Juntao Tan and Yongfeng Zhang},
journal= {arXiv preprint arXiv:2301.11765},
year = {2023}
}
备注
This work has been accepted for presentation at the 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2023)