会议纪要

1.根据搜索引擎retrieval的方式，去修改loss function，以期望在最后的鉴定任务中，会获得更多的鉴定肽段
2.对于同一个母体sequence，出现不同的修饰方式，从而谱图会有区别，我们去准确预测这种区别，是很有生物学意义的。
3.CNN model 的 kernel size是2，一般是奇数。
4.用Prosit 的数据去pre train 我们的CNN model和Transformer Model。对于CNN，期望我们可以通过在大的数据集上的训练，避免在Jeff小数据量上的过拟合现象。对于Transformer，rongjie师兄建议transformer需要好的预训练，我们现在采取的预训练的方式就是在prosit数据上训练。目的是为了在Jeff数据上（target 数据）上提升预测效果，而不是一定要达到在Prosit上报道的结果。
5.因为Prosit没有针对磷酸化修饰，而pdeep2是可以进行磷酸化序列的预测，所以我们的baseline是pdeep2。
6.对于我们选择的额外的feature，除了0以外，剩下的都在700以上，最高是1000，所以normalize后，是0，0.7+这样的distribution，何老师建议把700以上的值都减去700，这样拉近和0的距离（最小是775）
image.png
7.Model ensemble一般是将最后的结果输出做average，一般不会把hidden state concat起来。

ToDo

1.继续做上次讨论的two-stage的做法，要观察使用two-stage 前后，是否model对于0与非0的预测更加准确了。
2.对于同一个母体sequence，但是不同的修饰状态，它们相对应的谱图也是不同的，这种数据比较少，我们需要先在Jeff数据里统计下这样的数据的情况，继而去设计model和loss function
3.总的milestone分为两步，第一步是先继续延续之前的思路，在总的谱图预测上先优化PCC和SA；第二阶段去专注于同一个母体sequence，尝试去更准确预测这种fine-grained差异。
4.针对3中第一步，主要关注PCC和SA以及最终鉴定出来的肽段的值，第二步是尝试设计新的，metric去衡量我们对于fine-grained的谱图的差异性的判断，以及观察是否某种特定种类的肽段鉴定的数目增多且丢掉的变少。