通过显式结构结合增强蛋白质网络表示，以预测蛋白质-蛋白质相互作用

《IEEE Journal of Biomedical and Health Informatics》：Enhanced Protein Network Representation with Explicit Structural Binding for Protein-Protein Interaction Prediction

蛋白质-蛋白质相互作用（PPIs）是人体疾病治疗的关键分子事件，但现有方法存在忽视残基级结合关系和无法整合多源数据的问题。本文提出E2PPI框架，通过单蛋白结构分析与跨蛋白结合模块协同提取残基级相互作用特征，并设计增强型蛋白质网络表征模块，有效整合结构数据与网络语义。实验表明E2PPI在少样本和新型蛋白质分类任务中表现优于SOTA模型，验证了其泛化能力优势。

　　

摘要：

蛋白质-蛋白质相互作用（PPIs）是人体中的基本分子事件，在疾病治疗和干预中发挥着关键作用。然而，现有的蛋白质表示方法通常依赖于简化的PPI网络模型，这些模型面临两个主要挑战：（i）忽略了对于蛋白质相互作用至关重要的基于残基的结合关系；（ii）未能将残基级别的结合数据与蛋白质相互作用网络整合起来，从而限制了它们揭示PPIs结合机制的能力。为了解决这些问题，我们提出了一个增强型蛋白质网络表示框架，该框架包含显式的结构结合信息，以改进PPI预测，命名为E PPI。具体而言，E PPI利用单蛋白结构分析和蛋白质间结合表示模块提取配对蛋白质之间的残基级别相互作用。为了将残基级别的结合数据与蛋白质相互作用的语义无缝整合，我们引入了一个增强的蛋白质网络表示模块。这种设计使模型能够捕捉PPIs的相互作用和结合机制，从而提高了其分类性能。基准实验表明，E PPI的表现优于现有最先进模型，尤其是在处理少量样本和新蛋白质时，展现了其卓越的泛化能力。