في هذا القسم، يتناول المؤلفون التحديات في تقدير دقة النموذج (EMA) للمجمعات البروتينية، مشيرين إلى أن المنهجيات الحالية أقل تطورًا من تلك الخاصة بالوحيدات البروتينية. يقدمون ContrastQA، وهو إطار عمل جديد لـ EMA يستخدم التعلم التبايني القائم على التسمية لتعزيز تقييم جودة المجمعات البروتينية من خلال دمج المعلومات الهيكلية المحددة للواجهة والعالمية. يستخدم الإطار شبكة…