论文对应代码
1 基础数据: 1-data
1-get_sample_uniprot_sprot.ipynb：获得10000条采样蛋白质数据2-get_non_homologous_pairs.ipynb：获得非同源蛋白质序列3-get_homology_pairs.ipynb：获得同源蛋白质序列4-get_distant homology_pairs.ipynb：获得远程同源序列mysql_part：基于 MySQL 表的工程化实现，主要解决速度问题，可直接导入 MySQL 数据文件
2 GPT2 相关的微调和可解释实验: 2-gpt_ft_test_explain
1-gpt2_ft_en_test_protein_confusion.ipynb：GPT2 基于英文 PAWS-X 微调，测试蛋白质序列，提供混淆矩阵2-gpt2_test_protein.ipynb：GPT2 直接测试蛋白质序列，提供混淆矩阵3-acc distribution.ipynb：准确率（acc）的分布统计，包括微调和未微调模型4-explain_***：语言能力迁移的可解释性分析batch_run：批量运行代码
3 LLaMA3 微调测试：3-llama_sft_test
1-llama_sft_**：LLaMA 3.1 微调代码，使用不同的量化策略2-llama_sft_test.py：微调模型，测试蛋白质同源性3-llama**：官方预训练模型和微调模型的测试结果4-*_standard_protein：SOTA 大模型在常见同源蛋白质判定任务上的表现5-*_remote_protein：SOTA 大模型在远程同源蛋白质判定任务上的表现6-qwen3_explain-：基于思维链（Chain-of-Thought）的可解释性分析
4 BioPAWS 数据集测试：4-biopaws
1-qwen3_dna：DNA 同源判定2-qwen3_dna_protein：DNA-蛋白质编码关系判定3-qwen3_dna_single：DNA 单序列分类问题4-qwen3_protein_single：蛋白质单序列分类问题
注：原始 notebook 中的星号（
*）和下划线命名已按语义还原为通配符或描述性文字，便于阅读。
如需生成完整的 .md 文件或添加 GitHub 风格链接/图标，也可告知！