Shen 等人用 ESM 嵌入检索相似位点造合成标签，数据增强提升蛋白质 pKa 预测

Shen 等人训练小型神经网络，基于 ESM 蛋白质语言模型嵌入从序列直接预测氨基酸 pKa，以缓解实测数据稀缺。其增强策略是从已有实测 pKa 的氨基酸出发，在蛋白质数据库中检索嵌入高度相似的位点并赋予合成标签，并验证了表示相似即生化环境相近的假设。RMSE 对比显示，相似度阈值 0.8–1.0 的 GAINES 增强显著降低误差，优于不增强与简单复制。