KI und die schwierigen Probleme der Welt · Lebenswissenschaften · arXiv · 2026-10-23
Der phylogenetischen Falle entkommen: Persistente Homologie ermöglicht artübergreifende Ionenkanal-Klassifikation mittels multimodaler Graph-Neuronaler-Netze
Originaltitel: Escaping the Phylogenetic Trap: Persistent Homology Enables Cross-Species Ion Channel Classification via Multimodal Graph Neural Networks
Die Evaluation von Proteinklassifikatoren mit zufälliger Aufteilung kann taxonspezifische Korrelationen ausnutzen und die Leistung bei unbekannten Taxa überschätzen – ein Problem, das bei der Klassifikation von Giftstoffen nach Ionenkanal-Zielstruktur besonders ausgeprägt ist. Die Autoren vergleichen fünf strukturelle induktive Biases in einem multimodalen Graph-Neuronalen-Netz unter Leave-one-taxon-out-Evaluation an 1.373 Giftverbindungen. Unter taxonomischer Verschiebung erreicht ihr Persistent-Homology-Modell PH-GNN eine Genauigkeit von 63,4 %, mehr als 8 Prozentpunkte über der nächstbesten Methode, während eine reine Sequenz-Baseline auf etwa 30 % absinkt.