三百次实验室测量，就能改善虚拟筛选

虚拟筛选要做的事，是从庞大的化合物库里挑出值得送进实验室测试的那些。实验预算有限，真正要紧的不是把整个库分类分得多准，而是有活性的分子多早出现在排序靠前的位置。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，为这件事做好准备。

多少数据就够

作者微调了 Boltz-2 的亲和力头，给模型 40 到 300 个二元活性标签，在 MF-PCBA 数据集的八个靶点上做回顾性评估。用 300 次测量时，排名前百分之一里的活性化合物数量相对未微调版本平均几何增长 1.77 倍，平均精度提高 2.14 倍。这个结果取决于靶点，也取决于训练集是怎么挑的。作者把它当作一个信号，而不是一条规律。

第二个实验关心的是算力成本。研究者没有用微调后的头把全部候选物重新打分，而是把重打分限制在 Boltz-2 评分最高的约百分之十的候选物上。这样收窄之后，命中回收率与全量重打分相当。实际结论很简单：如果模型对粗尺度已经有不错的判断，只需要把列表末端再修一修。

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。

蛋白质组学里的数据处理

测量这一侧也在推进。另一项工作提出了 ProteoEM，一个 Python 开源库，根据单分子亲和力痕迹估计蛋白质和蛋白变体的丰度。问题在于，探针结合不完美、不特异，一条痕迹可能对应好几种鉴定结果。作者没有把痕迹指派给单一候选物，而是在期望最大化框架里按权重分摊这种不确定性，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，模型把它们报告为分组，而不是强行做出任意的选择。

两种思路有一个共同点：在生物医学研究里，有价值的不是抽象的准确率，而是模型的判断如何影响实验室里接下来那一步昂贵的操作。所以在评估模型时，开始被看重的不是整个数据集上的平均质量，而是在那个真正要紧的狭窄窗口里完成的工作。