实验室测量改善虚拟筛选

虚拟筛选旨在从庞大的化合物库中挑出值得送进实验室测试的分子。实验预算有限，关键不在于把整个库分类得多准，而在于有活性的分子多早出现在排序前列。日本作者的一项工作检验了 Boltz-2 能否借助某个具体测试的几十到几百次测量，为这一任务做好准备。

多少数据就够

作者微调了 Boltz-2 的亲和力头，向模型提供 40 到 300 个二元活性标签，在 MF-PCBA 数据集的八个靶点上进行了回顾性评估。使用 300 次测量时，排名前 1% 中的活性化合物数量，相比未微调版本平均几何增长 1.77 倍，平均精度提高 2.14 倍。这一结果取决于靶点，也取决于训练集的选取方式。作者将其视为一个信号，而非一条普遍规律。

第二个实验关注算力成本。研究者没有用微调后的头对全部候选物重新打分，而是将重打分限制在 Boltz-2 评分最高的约 10% 候选物上。这种收窄并未显著降低命中回收率，与全量重打分相当。实际结论很直接：如果模型对粗尺度已有不错的判断，只需优化列表末端即可。

作者自己也说明，这项研究是回顾性的：标签来自现成的数据集，而不是新的实验。这些数字描述的是方法在已知数据上的表现，不是它在未知实验室里的效力。不过实际结论仍然有用：不必用几万次测量从零训练模型，只要在一个项目预算能负担的数据集上微调亲和力头，就能在候选物排序上获益。

蛋白质组学中的数据处理

测量端也在同步推进。另一项工作提出了 ProteoEM，一个 Python 开源库，用于根据单分子亲和力痕迹估计蛋白质和蛋白变体的丰度。难点在于，探针结合不完美且缺乏特异性，一条痕迹可能对应多种鉴定结果。作者没有将痕迹强行指派给单一候选物，而是在期望最大化框架内按权重分摊不确定性，并使用预先校准的探针响应指标。对于无法区分的蛋白变体，模型将其报告为分组，而非强行做出任意选择。

两种思路有一个共同点：在生物医学研究中，价值不在于抽象的准确率，而在于模型判断如何影响实验室中下一个昂贵步骤。因此，评估模型时，重点开始从整个数据集的平均质量，转向那个真正关键的狭窄窗口内的表现。