基于GO相似性异质网络传播的蛋白质功能预测新方法GOHPro及其在酵母和人类数据集中的性能验证

针对蛋白质功能预测中数据稀疏性和功能模糊性难题，长沙大学研究人员开发了GOHPro方法，通过整合蛋白质功能相似性网络与GO语义关系网络构建异质网络，采用网络传播算法实现功能注释优先排序。在酵母和人类数据集中，GOHPro的Fmax较现有方法提升6.8%-47.5%，尤其在CAFA3基准测试中人类物种性能提升超62%，为解析蛋白质功能歧义（如AAA+ATPases）提供了新工具。

　　

蛋白质是生命活动的核心执行者，其功能解析对理解疾病机制和药物开发至关重要。然而，随着基因组测序技术的飞速发展，已知蛋白质序列与功能注释之间的差距日益扩大。传统实验方法如基因敲除和生化检测虽可靠，但耗时费力且难以规模化。尽管现有计算方法（如基于蛋白质相互作用网络PPI或深度学习模型）取得进展，但数据稀疏性、功能歧义性（如共享结构域蛋白质的功能差异）仍是重大挑战。例如，人类PEX6和VCP虽均含AAA+ATPase结构域，却分别参与过氧化物酶体组装和蛋白质降解，传统方法难以区分此类功能分歧。

针对这些问题，长沙大学数学与计算机学院的研究团队在《Scientific Reports》发表了题为"Protein function prediction using GO similarity-based heterogeneous network propagation"的研究，提出GOHPro方法。该方法创新性地整合多组学数据，构建包含蛋白质功能相似性网络和GO语义网络的异质网络，通过全局信息传播实现高精度功能预测，为"暗蛋白质"（dark proteins）的功能注释提供了新思路。

关键技术方法包括：（1）基于Pfam数据库结构域和Complex Portal复合体数据构建蛋白质功能相似性网络（含结构域相似性DSim和模块相似性MSim）；（2）利用GO的"is_a"和"part_of"关系建立语义相似性网络；（3）通过异质网络传播算法（公式12）预测未知蛋白质功能。实验采用酵母（3162个蛋白质）和人类（7317个蛋白质）PPI网络，通过留一法交叉验证和CAFA3基准测试评估性能。

研究结果
整体性能验证
在酵母数据集中，GOHPro的F_max在生物过程（BP）、分子功能（MF）和细胞组分（CC）三个本体中分别达到0.45、0.548和0.58，较exp2GO方法提升6.8%-15.9%。人类数据集上，尽管PPI网络更稀疏，GOHPro仍保持领先，MF类别F_max达0.447（提升47.5%）。AUPR和AUC曲线分析显示，GOHPro在BP类别的AUPR值显著高于对比方法（酵母：0.963 vs 0.603-0.919）。

功能特异性验证
通过AAA+ATPase结构域蛋白质的案例分析，GOHPro成功区分了人类PEX6（过氧化物酶体组织，GO:0007031）与VCP（ATP水解活性，GO:0016887）的功能差异。扰动实验表明，删除PEX6的过氧化物酶体受体输出模块会使其BP注释精度下降100%，而删除AAA+结构域对MF预测无影响，证实方法对功能关键特征的敏感性。

同源性与网络连通性分析
将蛋白质按同源性分为高、中、低三组后发现：模块相似性网络（ModuleNet）对高同源蛋白质（如酵母ORC1的DNA复制功能）预测效果最佳（BP精度F=65.50，p<0.001），而结构域相似性网络（DomainNet）对低同源"暗蛋白质"更具优势（CC召回率F=6.33，p=0.002）。网络删除实验显示，Dark蛋白质的F_max对网络连通性更敏感（酵母BP下降76% vs 高同源组的33%）。

参数优化与CAFA3验证
参数γ分析表明，BP、MF和CC的最佳权重分别为0.8、0.6和0.9，反映不同本体对结构域和模块特征的差异化需求。在CAFA3独立测试中，GOHPro的F_max较基线方法提升83%-105%，人类MF达0.43，验证了方法的泛化能力。

结论与意义
该研究通过整合多组学数据构建异质网络，解决了蛋白质功能预测中的两大核心问题：（1）利用GO语义关系网络捕捉功能层次结构，克服了PPI网络的稀疏性；（2）通过模块相似性（MSim）和结构域相似性（DSim）的线性组合（公式7），有效区分共享结构域蛋白质的功能差异。GOHPro在CAFA3基准中62%的性能提升，证实其适用于缺乏进化特征的"暗蛋白质"注释。未来结合AlphaFold等结构预测工具，有望进一步缩小未表征蛋白质组的注释缺口。

研究局限性在于对瞬时相互作用（如VCP-蛋白酶体关联）的区分能力有限，这提示未来需开发更精确的模块权重算法。此外，方法在人类BP类别（F_max 0.261）的性能仍低于酵母，反映复杂生物系统中网络拓扑的挑战。尽管如此，该工作为多组学数据整合提供了范式，其异质网络框架可扩展至药物靶点发现等应用场景。