蛋白质设计 AI：衡量相似性之外的用途
设计指标应反映项目目的。与已有例子相似可以提供信息，却不能自动证明新设计会按预期发挥作用。
G-ATAI 分析
选择分数之前，先写明目标性质。把相似性、预测结构和实验观察行为分开记录。保存训练与评估数据来源，避免用已经参与生成的信息再次评价候选。这样更容易解释结果并规划下一轮实验。
为每个候选建立证据链，包括生成设置、假设、独立检查和选择原因。使用相同评估过程比较模型，并承认证据缺失，不要把一切压缩成排名。计算候选是一项研究假设。进展应取决于后续评估是否支持目标性质，而不只是看它与熟悉序列有多像。
部署前应确认的问题
- 主要指标是否符合研究目标？
- 相似性、预测和观察是否清楚区分？
- 另一位研究者能否复现证据链？
根据 MIT News 撰写的独立评论，不代表与 MIT 存在合作关系或获得其认可。
