PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.22181v1cs.LG

단백질 언어 모델의 잔기 수준 어트리뷰션은 알레르겐 에피토프를 회복하지 못한다

Residue-Level Attributions in Protein Language Models Do Not Recover Allergen Epitopes

깊은 알레르기 유발성 분류기는 신규 식품의 안전성 선별에 점점 더 많이 사용되고 있으며, 최근 단백질 언어 모델은 단백질 수준 알레르기 유발성 예측을 크게 개선했다. 그러나 이들의 설명이 생물학적으로 의미 있는 정보를 포착하는지는 불분명하다. 우리는 단백질 알레르기 유발성 모델에서 어트리뷰션 신뢰성(attribution faithfulness)을 정량적으로 평가하기 위한 에피토프(epitope) 기반 잔기 수준 벤치마크를 제안한다. 동결(frozen) ESM-2, 다중 과제(multi-task) ESM-2, DeepPlantAllergy에 걸쳐 단백질 수준 분류는 견고했으나, 분류 헤드(classification head) 설명 신호는 AUROC, AUPRC, Precision@k 전반에 걸쳐 주석이 달린 에피토프와의 잔기 수준 정렬에서 무작위(random)를 유의미하게 초과하지 못했다. Integrated Gradients는 모델에 기능적으로 중요한 잔기를 식별했지만, 주석이 달린 에피토프와 겹치지는 않았다. 포화 돌연변이(saturation mutagenesis)는 추가로 분류기가 에피토프 특이적 메커니즘보다는 물리화학적·조성적 서열 특징에 의존할 수 있음을 시사했다. 따라서 잔기 수준 중요도 신호는 정량적 검증 없이 안전성 선별이나 저알레르기(hypoallergen) 설계에 대한 면역학적 설명으로 해석해서는 안 된다. Code available: https://github.com/Jeffateth/XAllergen2.0-paper