Coarse composition suffices: tabular in-context learning for multi-activity antimicrobial peptide profiling
作者: Raunak Kumar, Anuj Pal, Dhruvi Solanki, Parikshit Pareek, Juhi Singh, Jitin Singla
分类: cs.LG, q-bio.BM
发布日期: 2026-08-31
💡 一句话要点
提出基于表格的上下文学习方法以解决多标签抗菌肽活性预测问题
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 抗菌肽 多标签预测 表格学习 上下文学习 生物信息学 药物发现 深度学习
📋 核心要点
- 现有的多标签抗菌肽活性预测方法通常依赖复杂的深度学习模型，训练成本高且难以调优。
- 论文提出了一种基于序列的简单管道，结合可解释的序列描述符与TabPFN模型，实现高效的上下文预测。
- 在ESCAPE基准上，所提方法在每个标签上同时达到或超过最佳平均精度，且在远亲同源体上提升显著。
📝 摘要（中文）
抗菌肽（AMPs）通常对多种病原体类别具有活性，因此多标签活性预测比二元抗菌分类更具现实意义。ESCAPE基准正式化了这一设置，但现有方法通常依赖于多模态、结构条件的深度模型，训练和调优成本高昂。我们展示了一种简单的仅基于序列的管道，通过结合330个可解释的序列描述符与TabPFN，一个无需基于梯度的训练或超参数搜索的表格基础模型，能够匹配并超越这些方法。在ESCAPE数据集上，标签-幂集TabPFN模型实现了mAP-5 = 77.8%，超越了之前报告的72.1%。
🔬 方法详解
问题定义：本论文旨在解决抗菌肽的多标签活性预测问题，现有方法通常依赖于复杂的多模态深度学习模型，训练和调优成本高，且难以解释。
核心思路：论文提出了一种仅基于序列的简单管道，通过结合330个可解释的序列描述符与TabPFN模型，能够在单次前向传播中进行上下文预测，无需梯度训练或超参数搜索。
技术框架：整体架构包括数据预处理、特征提取、模型训练和预测四个主要模块。特征提取阶段使用可解释的序列描述符，模型训练阶段采用TabPFN进行高效的上下文学习。
关键创新：最重要的技术创新在于使用TabPFN模型进行表格数据的上下文学习，显著降低了训练成本，并且在多标签预测中表现优异，超越了现有的深度学习方法。
关键设计：在模型设计中，使用了330个可解释的序列描述符，且通过标签依赖建模来提高稀缺活性的预测效果，确保模型在推理时不依赖于预测结构。
🖼️ 关键图片
📊 实验亮点
实验结果显示，标签-幂集TabPFN模型在ESCAPE基准上实现了77.8%的mAP-5，超越了之前的最佳结果72.1%。此外，首次实现了在每个标签上同时达到或超过最佳平均精度，特别是在远亲同源体上提升了11.2个百分点。
🎯 应用场景
该研究具有广泛的应用潜力，尤其是在药物发现和生物医学领域。通过高效的多标签活性预测，能够加速抗菌肽的筛选过程，帮助研究人员更快地识别有效的抗菌剂，进而推动新药的开发与应用。
📄 摘要（原文）
Antimicrobial peptides (AMPs) often act against multiple pathogen classes, making multi-label activity prediction a more realistic screening target than binary antimicrobial classification. The ESCAPE benchmark formalizes this setting, but leading approaches typically rely on multimodal, structure-conditioned deep models that are costly to train and tune. We show that a simple, sequence-only pipeline can match and surpass these methods by combining 330 interpretable sequence descriptors with TabPFN, a tabular foundation model that performs in-context prediction in a single forward pass without gradient-based training or hyperparameter search. On ESCAPE (82,359 peptides; five labels), a label-powerset TabPFN model achieves mAP-5 = 77.8%, improving on the previously best reported 72.1%. A probabilistic classifier chain is the first method to match or exceed the best published average precision on each of the five labels simultaneously. The gains persist under the prior state-of-the-art single-fold training protocol, indicating they are not a training-set-size artefact, and are largest for remote homologues (+11.2 points below 30% sequence identity). Ablations further show that predicted structure is unnecessary at inference and that performance is not driven by any single descriptor family: ten global physicochemical scalars recover 91% of full-feature performance. Finally, explicitly modelling label dependence yields targeted benefits for scarce activities and supports ranking which activity to assay next from partial positive evidence.