arXiv 机器学习· Arezoo Bybordi, Favour Achimba, Mariam Gelashvili, Jessy Ramirez, Weigang Qiu, Mand\"e Holford, Anita Raja·· 7 小时前AI 评分31
逃离系统发育陷阱：持续同调赋能多模态图神经网络实现跨物种离子通道分类
Escaping the Phylogenetic Trap: Persistent Homology Enables Cross-Species Ion Channel Classification via Multimodal Graph Neural Networks
AI 导读
研究人员提出结合持续同调与多模态图神经网络的 PH-GNN 模型，用于解决跨物种离子通道分类中的系统发育泄漏问题。在涵盖 5 个分类群、1,373 种毒液化合物的留一分类群基准测试中，常规几何先验模型准确率聚集在 54-55%，而 PH-GNN 达到 63.4%，领先次优方法 8 个百分点以上。该成果证明拓扑表示能有效应对结构化生物分布偏移。
来源：arXiv 机器学习 · arxiv.org