基于主动学习的方法，用于高效优先选择抗体介导的疟疾防护机制

《Expert Systems with Applications》：Active learning-driven approach for label-efficient prioritization of Antibody-Mediated Protection Against Malaria

　　

Sajid Farooq | Dejie Yu | Rashid Hussain Dahar | May Hu | Hao Xu | Dexing Kong | Sailing He

• •
  我们采用了主动学习框架对疟疾抗体库进行分类，将标记工作量减少了约44.4%，并将标记效率提高了1.8倍（相比随机采样方法）。
• •
  通过扩展IGHV–IGHJ区域和分子特征空间来探索系统的可扩展性，同时保持了在各种试验方案下的稳健性能和泛化能力。
• •
  该框架能够高效处理异构性的抗体库，通过优化架构实现了对剂量和时间依赖性免疫反应的高精度分类。
• •
  使用8503个标记序列，主动学习的AUPRC（Area Under the Precision-Recall Curve）达到了约0.94，而被动采样方法需要15305个序列；这证实了在大规模免疫分析中数据效率的显著提升。