Mirror-Score：D肽设计的校准评分框架
原文标题：Mirror-Score: Calibrated, Inference-only Scoring Exposes the Limits of Sequence-compatibility Ranking in D-peptide Design
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对D肽计算设计不成熟、ProteinMPNN原始NLL排序未经验证的问题，论文提出Mirror-Score校准式推理评分框架，并发布31个晶体复合物基准。研究发现原始NLL并非有效亲和力排序器，而Boltz-2镜像空间共折叠置信度在病毒入侵家族上达到结构级Spearman 0.90。跨家族校准不迁移，支持家族匹配校准作为实用部署模式。
- 问题
- D 肽计算设计中 ProteinMPNN 原始 NLL 排序未经验证，亲和力预测不可靠。
- 方法
- Mirror-Score 提出校准式推理评分框架，改用 Boltz-2 镜像空间共折叠置信度排序，并发布 31 个晶体复合物基准。
- 结果
- 病毒入侵家族上结构级 Spearman 达 0.90，而原始 NLL 仅 0.18；跨家族校准不迁移。
- 影响
- D 肽设计需按家族匹配校准，为异手性结合物筛选提供了可部署的评分范式。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。