该技能面向单氨基酸替换的变体效应排序任务（ProteinGym 风格）。
用途与任务设定：每个实验对应一个蛋白质，输入包括野生型序列、带标签的单替换变体（位置为 1 基，含 wt_aa、mut_aa、DMS_score，数值越高表示越适应）以及不带分数的查询变体。交付物为一维浮点数组，按查询行的顺序为每个查询变体给出一个分数（越高越适应），仅同一实验内部的排序有意义。
质量评估：采用每个实验的 Spearman 秩相关（常数预测得 0 分），再对实验取平均，越高越好。本地可用的评估函数为 scilib.proteinfit.spearman 与 mean_spearman(pred, truth, groups)。
主要能力：库中提供 scilib.proteinfit.fit_predict(train, wild_type, query)，结合 BLOSUM62 与氨基酸性质特征、序列上下文以及训练分数的位置统计，使用秩平均的 ridge / LightGBM / extra trees；fit_predict_assays 可处理多个实验；另有 variant_features 与 cross_validate(..., by="variant"|"position")。此外支持零样本 ESM-2 650M（资产 esm2_650m，可使用 GPU 或远程 worker；用 scilib.proteinplm.available() 检查可用性）：proteinplm.plm_features(table, wild_type) 生成对数似然比列，可通过 extra_train / extra_query 传入，或在 fit_predict_assays(..., plm=True) 中使用。CPU 运行在超过约 120 个残基时较慢。
操作算子：dms_variant_effect_supervised、dms_variant_effect_supervised_with_features、dms_cross_validated_spearman、protein_variant_effect_esm2。
使用方式与路线：基线为变体所在位置的训练分数均值（向相邻位置收缩，未见位置用实验均值）。默认使用 fit_predict；在可用时加入 ESM-2 列（仅 BLOSUM62 效果较弱）。用 cross_validate 选择方案，当查询变体位于未见位置时使用 by="position"。
规则与限制：仅使用同一实验的带标签变体；绝不使用查询分数或由其派生的列（例如二值化分数）；训练行的位置统计必须排除该行自身（exclude_self=True，fit_predict 已处理）；position 为 1 基且 wt_aa 必须与序列一致；保持查询顺序；输出必须有限；不可跨实验比较原始分数。另需注意 ESM-2 预训练于 UniRef50 序列，被测蛋白的同源物很可能存在于其中，应披露这一重叠。