MicroEnvPPI：基于微环境意识的优化方法实现通用蛋白质-蛋白质相互作用预测

《Journal of Chemical Information and Modeling》：MicroEnvPPI: Microenvironment-Aware Optimization Enables Generalizable Protein–Protein Interaction Prediction

蛋白质-蛋白质相互作用（PPIs）研究需整合残基级理化特征、ESM-2语言模型及AlphaFold结构预测，通过图对比学习和掩码机制优化微环境表示，联合训练提升PPI预测准确性和泛化能力，尤其在挑战性数据分割下表现优异。

　　

蛋白质-蛋白质相互作用（PPIs）在构建细胞功能网络和指导治疗靶点发现中起着至关重要的作用。尽管像AlphaFold这样的模型在蛋白质结构预测和PPI推断方面取得了令人印象深刻的结果，但它们往往忽略了残基级微环境的结构和上下文重要性，这限制了它们的预测能力。在这里，我们提出了MicroEnvPPI，这是一个考虑微环境的优化框架，旨在提高PPI预测的准确性和泛化能力。MicroEnvPPI结合了残基级别的物理化学特征和来自ESM-2语言模型的上下文嵌入，以及AlphaFold预测的结构信息，从而能够全面表征残基微环境。此外，通过引入图对比学习和掩码机制等辅助任务，进一步优化了残基微环境的表示，提升了其质量和模型的泛化能力。最后，MicroEnvPPI通过同时训练全局PPI优化和微环境优化任务，增强了其在PPI预测方面的优势。值得注意的是，MicroEnvPPI在DFS和BFS等具有挑战性的数据划分方案下表现优异，表明它能够泛化到以前未见过的相互作用。这些发现凸显了MicroEnvPPI在推进我们对蛋白质相互作用网络理解方面的潜力。