面向蛋白-蛋白相互作用分析的不确定性感知的大语言模型适应
机器学习
2025-08-18 v2 人工智能
计算与语言
应用统计
机器学习
摘要
蛋白-蛋白相互作用（Protein-protein interactions, PPIs）的识别有助于推导细胞机械理解，尤其是在神经退行性疾病、代谢综合征和癌症等复杂情境下。大语言模型（Large Language Models, LLMs）在通过自动从大规模生物医学文献中进行挖掘，展示出在预测蛋白质结构和相互作用方面的巨大潜力；然而，其固有的不确定性仍是派生可重复结果、对生物医学应用至关重要的关键挑战。本研究提出一种针对PPI分析的不确定性感知适应的大语言模型，利用微调的LLaMA-3和BioMedGPT模型。为增强预测可靠性，我们集成LoRA集合和贝叶斯LoRA模型进行不确定性定量（uncertainty quantification, UQ），确保对蛋白质行为具有置信度校准的洞察。我们的方法在PPI识别中实现了多样化疾病情境下的竞争性性能，同时解决了模型不确定性问题，从而增强了计算生物学中的可信度和可重复性。这些发现凸显了不确定性感知的大语言模型适应在推动精准医学和生物医学研究方面的潜力。
引用
@article{arxiv.2502.06173,
title = {Uncertainty-Aware Adaptation of Large Language Models for Protein-Protein Interaction Analysis},
author = {Sanket Jantre and Tianle Wang and Gilchan Park and Kriti Chopra and Nicholas Jeon and Xiaoning Qian and Nathan M. Urban and Byung-Jun Yoon},
journal= {arXiv preprint arXiv:2502.06173},
year = {2025}
}