QProtFuse：查询引导层融合的检索增强蛋白质功能预测
原标题：QProtFuse: Query-Guided Layer Fusion for Retrieval-Augmented Protein Function Prediction
AI 摘要
该论文提出 QProtFuse，一种面向检索增强蛋白质功能预测的查询引导多层特征融合方法。作者发现蛋白质语言模型（PLM）不同层在检索任务上表现各异，仅用最后一层并非最优，因此用查询自适应地为各层分配权重并融合多层特征，同时通过模态内与跨模态对比学习联合优化蛋白质与注释检索。在 Prot-Inst-OOD 上，该方法取得最佳检索成绩（重排后 Recall@1 为 16.4%），并提升下游 RAG 功能描述质量，在 Qwen3-8B 与 DeepSeek-V4-Pro 上获得最高的 LLM 评审分数。
正文节选
QProtFuse: Query-Guided Layer Fusion for Retrieval-Augmented Protein Function Prediction Abstract Predicting protein functions from amino acid sequences is essential to understanding biological processes. Large language models (LLMs) offer flexible function descriptions to natural-language queries, yet their limited protein understanding motivates retrieval-augmented generation (RAG). Existing protein RAG methods primarily expand external retrieval signals while overlooking the rich knowledge en