面向生物与技术分布偏移的调控序列建模鲁棒机器学习框架

研究提出一个鲁棒性框架，结合机制模拟基准与MPRA真实数据分析，量化CNN、BiLSTM和Transformer在调控基因组分布偏移下的性能退化。模型在轻度GC含量偏移下仍准确且校准良好，但在motif效应重连和噪声主导场景下误差升高、方差严重失准、覆盖率崩塌。加入motif衍生特征和全局GC含量等结构先验可提升分布内误差并带来鲁棒性增益，不确定性感知的选择性预测可进一步筛选低风险子集。