基于图理论增强深度学习方法的蛋白质-蛋白质相互作用揭示

《Advanced Intelligent Discovery》:Revealing Protein–Protein Interactions Using a Graph Theory-Augmented Deep Learning Approach

【字体: 大 中 小 】 时间:2026年02月13日 来源:Advanced Intelligent Discovery

编辑推荐:

  理解蛋白质-蛋白质相互作用(PPI)在生物学与生物技术领域中至关重要,其可揭示细胞功能并凸显治疗靶点。深度学习(DL)模型,尤其是卷积神经网络(CNN),已革新生物分子分析,然而其成功常受限于巨大的计算成本及对专用且耗时的硬件的依赖,构成科学发现的显著瓶颈。更

  
理解蛋白质-蛋白质相互作用(PPI)在生物学与生物技术领域中至关重要,其可揭示细胞功能并凸显治疗靶点。深度学习(DL)模型,尤其是卷积神经网络(CNN),已革新生物分子分析,然而其成功常受限于巨大的计算成本及对专用且耗时的硬件的依赖,构成科学发现的显著瓶颈。更具体地,基于图像的PPI分析需要对复杂结构模式进行耗时且计算密集的量化。本研究提出一种克服上述计算障碍的方法,协同利用图理论(GT)与DL方法,实现高效且准确的蛋白质相互作用分类。实验上,该方法利用从代表蛋白质染色偏振光显微镜图像所构建图中提取的多尺度结构特征。经特征优化(包括通过简单数学运算生成新的增强描述符、输入数据集规模缩减,以及基于最小冗余最大相关(mRMR)算法的特征选择)后,对蛋白质结合强度分类的预测准确率高达98.67%,同时将训练时间缩短至仅60秒。结果表明,利用GT参数化增强DL推理可提升准确率并减少训练时间。这些发现确立了相较于传统基于图像的DL分析PPI的一种强大且加速的替代方案。该方法不仅提供具成本效益且可及的传统方法替代,还能准确预测蛋白质相互作用强度,即便对未训练样本亦如此。
研究背景与动机
蛋白质-蛋白质相互作用(PPI)几乎参与所有生物与生物技术过程,其亲和力和特异性由瞬态调控网络决定。传统体外/体内检测面临假阳性/阴性、晶体结构获取难及瞬态PPI检测受限等问题。前期研究中,研究人员已证实干燥蛋白质液滴在疏水基底上形成的染色图案(经偏振光显微镜(PLM)捕获)与IgG-蛋白A结合强度存在相关性,并采用预训练InceptionV3卷积神经网络(CNN)对23745张图像分类,获81.4%准确率,但在无GPU环境下训练耗时约18天,计算成本极高。为突破CNN对原始像素的高开销依赖,研究人员提出将图像转为数学图,提取图理论(GT)数值描述符,再以轻量神经网络分类,从而在保证精度的同时压缩计算负担。该文发表于《Advanced Intelligent Discovery》。
主要关键技术方法
研究人员沿用前期23745张PLM图像队列(4种物种IgG+人血清白蛋白HSA阴性对照,与重组蛋白A不同摩尔比共36类条件),借助StructuralGT包将灰度图经γ校正与全局阈值T二值化后建图,提取15个未加权/加权GT参数(节点数、边数、图密度、全局效率、平均聚类系数、各中心性等);通过求和/乘积构造6个增强复合特征(如Δ×(n+e));以最小冗余最大相关(mRMR)算法筛至22维;输入自建16层全连接神经网络(批量128、Epoch 80、ADAM、ELU激活、Dropout),在CPU端训练。整个流程不含GPU依赖,样本队列直接继承前作,无新增生物实验。
研究结果
3.1 神经网络架构
研究人员设计以表格化GT特征为输入的16层网络(含批归一化、早期全连接、Softmax),相较SVM/KNN等基线提升明显,证明表格化拓扑特征适配浅层网络。
3.2 IgG:蛋白A复合物分类
初版36类细分类仅达58.25%,低于CNN的81.42%;但错分集中于兔/牛IgG(均为中等强度)及同物种不同摩尔比,说明GT特征对“结合强度”敏感而对“物种/比例”不敏感。重标为弱/中/强三档后准确率99.83%(训练6分钟),验证GT描述符是PPI强度的形态学代理。
3.3 输入数据集规模缩减
随机取10%数据(1380行)训练,特征分类准确率99.33%、耗时约1分钟;同比例下CNN(InceptionV3)耗时8小时、准确率99.00%。证明GT流程在CPU上以千分之一时间逼近CNN精度。
3.4 MRMR特征选择算法
以重要性阈值0.1保留22/105特征(网络尺寸、连接稀疏性、局部有序性、全局传输性主导),准确率98.67%,训练1分钟。筛选后特征跨γ-T参数组合稳定,说明形态信号非预处理假象。
3.5 特征分类泛化
将未训练的人IgG:蛋白G图像转图提22特征送入模型,90.07%判为“强”结合,与独立圆二色(CD)光谱一致,证实模型可零重训迁移至新配体。
讨论与结论翻译
讨论指出,GT增强DL将计算瓶颈从“像素端”移至“一次性特征提取端”,后续训练仅需紧凑表格,故在资源受限环境具部署优势;CNN随数据量/分辨率/深度陡升扩展,GT流程则近常数扩展。
结论部分:特征分类在计算资源与训练时间受限时,是图像分类的高效替代;训练时间较优化后CNN快2.5倍,准确率98.67%,成本极低。GT增强神经网络为传统图像DL提供加速替代,保持精度且降低门槛。未来可拓展至蛋白质-纳米颗粒等类似界面体系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号