단백질 언어 모델(PLM)은 시퀀스 기반 단백질 분석을 혁신했지만, 대부분의 응용 분야는 마지막 레이어 임베딩에만 의존하며, 이는 초창기 레이어에 인코딩된 생물학적으로 의미 있는 정보를 간과할 수 있다. 본 연구에서는 비지도 클러스터링과 지도 분류를 사용하여 ESM-2의 33개 레이어 모두를 키나아제 기능 예측에 대해 체계적으로 평가했다. 중후반부 변환기 레이어(레이어 20-33)가 비지도 Adjusted Rand Index에서 마지막 레이어보다 32% 더 높은 성능을 보였고, 상동성 인지 지도 정확도를 75.7%까지 향상시켰다. 도메인 수준 추출, 보정된 확률 추정, 재현 가능한 벤치마킹 파이프라인은 신뢰도를 더욱 강화했다. 본 연구 결과는 변환기 깊이가 기능적으로 구별되는 생물학적 신호를 포함하고 있으며, 원칙적인 레이어 선택이 키나아제 기능 예측을 크게 향상시킨다는 것을 보여준다.
