Abstract
DNA合成プロバイダは、要求された配列を、キュレーションされた危険リストに照合することで、入ってきた注文をスクリーニングする。ここでは、このベースラインが、危険な配列が参照セットに含まれていない分類（taxonomic）ファミリーに由来する場合に、100%の誤ったフラグ（false-flag）率へと崩壊することを示す。Conformal Risk Control（適合的リスク制御）の認証されたミス率制約のもとでは、低い識別のシグナルがしきい値をテスト上の良性（test-benign）質量全体より下へ押し下げてしまう。私たちは、合成注文の公開アノテーションから導出した3つのシグナルを組み立てる。すなわち、既知の毒物へのk-merのJaccard類似度、5つのLLM（大規模言語モデル）による審査パネルのトリム平均スコア、そしてクラスター化された埋め込み重心（embedding centroids）とのコサイン類似度である。単調なロジスティック集約器（aggregator）で融合し、Conformal Risk Controlによって較正することで、得られたスクリーナはmathbb{E}[\mathrm{FNR}] \le \alphaを証明する。UniProt KW-0800におけるレビュー済み毒物について、alpha=0.05で「10分割（テスト）」のうち「1つの分類ファミリーを除外（leave-one-taxonomic-family-out）」する10個のフォールドにわたって較正したスクリーナは、各フォールドでテストのミス率0%を達成し、10フォールド中9フォールドでテストの誤ったフラグ率0%を達成する。バウンドの有限サンプルにおける余裕（slack）1/(n_{\mathrm{cal}}+1)は、私たちの200件の危険サブサンプルでは、認証可能なミス率を1.77%に抑える。調達（procurement）グレードのalpha=10^{-3}に到達するには、18\times大きい較正セットが必要であり、レビュー済みの全UniProt KW-0800コーパスはそれを提供するのに十分な大きさである。認証可能なDNA合成スクリーニングに対する制約条件はアルゴリズムではなく、較正データである。コード: https://github.com/najmulhasan-code/crc-screen
