蛋白基础模型编码器架构与多模态嵌入系统分析：数据集驱动变构与正构结合位点预测的可分性区间

一个统一计算框架系统分析了多模态蛋白基础模型在变构与正构结合位点判别中的性能决定因素，发现性能主要由数据集内在属性而非架构复杂度决定，数据集身份解释了63.7%的可解释方差。研究以OneProt多模态模型为对象，比较了预训练阶段纳入不同模态的编码器架构，以及口袋、序列与文本嵌入的下游组合，并在四个蛋白复合物数据集上做嵌入消融、架构比较与方差分解。单模态对照显示，高预测性能并不必然依赖显式提供的口袋表示，序列或文本多模态表示在部分数据集上已能获得显著判别力；但在固定蛋白身份及对应序列、文本表示的蛋白内比较中，含口袋的表示仍保留结合位点特异性信息。