La IA y los problemas difíciles del mundo · Ciencias de la vida · arXiv · 2026-10-23
Escapando de la trampa filogenética: la homología persistente permite la clasificación de canales iónicos entre especies mediante redes neuronales de grafos multimodales
Título original: Escaping the Phylogenetic Trap: Persistent Homology Enables Cross-Species Ion Channel Classification via Multimodal Graph Neural Networks
La evaluación de clasificadores de proteínas con división aleatoria puede aprovechar correlaciones específicas de cada taxón y sobrestimar el rendimiento en taxones no vistos, un problema especialmente agudo en la clasificación de compuestos de veneno según su diana en canales iónicos. Los autores comparan cinco sesgos inductivos estructurales en una red neuronal de grafos multimodal con una evaluación de dejar un taxón fuera sobre 1.373 compuestos de veneno. Bajo un cambio taxonómico, su modelo de homología persistente PH-GNN alcanza un 63,4 % de precisión, más de 8 puntos porcentuales por encima del siguiente mejor método, mientras que una línea base basada solo en secuencias cae a cerca del 30 %.