#今日论文推荐# 预测蛋白质间相互作用更准确、更细致，一个基于基因本体术语集的Transformer框架

#今日论文推荐# 预测蛋白质间相互作用更准确、更细致，一个基于基因本体术语集的Transformer框架

蛋白质-蛋白质相互作用（PPI）在多种生物过程中发挥关键作用，它的应用可以极大促进药物开发、疾病治疗、医学诊断等领域的发展；然而，只有一小部分相互作用通过实验进行了鉴定。此外，已知检测 PPI 的高通量实验技术会受到各种限制，例如较大的假阳性和假阴性率。源自基因本体（Gene Ontology，GO）注释的语义相似性被认为是蛋白质相互作用最有力的指标之一。尽管近年来预测 PPI 的计算方法已经逐渐发展起来，但大多数方法都未能捕捉到 GO 术语的特异性。南安普顿大学（University of Southampton）的研究人员提出了 TransformerGO，一种能够使用注意力机制动态捕获 GO 集之间语义相似性的模型。他们使用一种算法框架为 GO 术语生成密集图嵌入，该算法框架用于学习称为 node2vec 的网络中节点的连续表示。TransformerGO 学习带注释的术语之间的深层语义关系，并且可以高精度地区分消极和积极的交互。TransformerGO 在黄金标准 PPI 数据集上的经典语义相似性测量，以及在酿酒酵母和智人的大型数据集上的评估，均优于基于机器学习的最先进方法。研究人员还展示了嵌入在转换器架构中的神经注意机制，如何在预测交互时检测相关的功能项。该研究以「TransformerGO: predicting protein–protein interactions by modelling the attention between sets of gene ontology terms」为题，于 2022 年 4 月 15 日刊载在《Bioinformatics》。

论文题目：TransformerGO: Predicting protein-protein interactions by modelling the attention between sets of gene ontology terms.
详细解读：https://www.aminer.cn/research_report/6278817b7cb68b460fb36b0a?download=falsehttps://www.aminer.cn/research_report/6278817b7cb68b460fb36b0a?download=false
AMiner链接：https://www.aminer.cn/?f=cs