深度学习抗生素筛选中跨划分 AUPRC 差异的解释局限

在深度学习抗生素筛选中，跨数据划分的 AUPRC 差异无法单独量化结构差异对性能变化的贡献，因为 AUPRC 依赖测试集阳性率，而分子划分会改变训练集与测试集的结构相关性和类别组成。跨划分比较应报告测试集大小、阳性数、阳性率、划分方法和精确率-召回率汇总指标，模型直接比较应尽量使用同一固定独立测试集。关于实际筛选价值的结论还应考虑 top-k 性能、早期富集指标或在预设预算下的前瞻性实验命中率。