基于相邻氨基酸间隔距离特征与自适应伪氨基酸组成融合的蛋白质相互作用预测方法

《BioTech》：Predicting Protein–Protein Interactions by Convolutional Neural Network Model Shuaibo Shi, Ting Xiong, Dong Wang, Lingling Wei, Lin Li, Zhixin Li and Yanfen Lyu

　　

研究人员提出了一种结合相邻氨基酸间隔距离特征与自适应伪氨基酸组成（APAAC）的蛋白质相互作用（PPI）预测方法。该方法首先通过自适应伪氨基酸组成提取蛋白质序列的全局疏水性与亲水性特征，设定权重因子ω=0.5及参数λ=30，生成80维特征向量。随后将蛋白质序列均分为四段，分别计算每段内相同类型氨基酸的间隔距离分布，构建局部序列特征。通过融合全局与局部特征，输入支持向量机（SVM）分类器进行模型训练与预测。实验结果表明，该方法在多个基准数据集上优于传统特征表示方法，能够有效提升PPI预测的准确率与鲁棒性，为蛋白质功能注释与疾病机制研究提供了新的特征构建思路。

研究背景与意义

蛋白质相互作用（PPI）是细胞生命活动的基础，其异常与多种疾病密切相关。传统PPI预测方法依赖单一序列特征，难以同时捕捉全局理化属性与局部序列模式，导致预测精度受限。为此，研究人员在《BioTech》发表研究，提出融合相邻氨基酸间隔距离特征与自适应伪氨基酸组成（APAAC）的新方法，旨在提升PPI预测性能。

关键技术方法

研究人员采用HIPPIE与STRING数据库中的已验证PPI数据构建正负样本集。特征提取阶段包含三个核心步骤：首先基于APAAC计算蛋白质全局特征，参数设为ω=0.5、λ=30，生成80维向量；其次将序列按长度L均分为四段，定义分段点l=?L/4?，分别提取各段中相同氨基酸类型的间隔距离分布；最后将全局与局部特征拼接形成融合特征矩阵。分类模型选用支持向量机（SVM），采用网格搜索优化核函数与惩罚系数。

研究结果

1. 1.
   全局特征构建：通过APAAC量化氨基酸组成与相邻残基的关联效应，公式(5)-(9)定义了特征向量的数学表达，其中n_m表示氨基酸m的出现频次，L为序列长度。
2. 2.
   序列分段策略：公式(10)-(14)详细描述四段划分规则，H₁至H₄分别对应位置区间[1,l]、[l+1,2l]、[2l+1,3l]、[3l+1,L]，实现局部特征的差异化提取。
3. 3.
   间隔距离特征：定义同类型氨基酸的位置差序列g_m(τ)，通过统计τ的分布规律捕获局部序列模式，公式(15)给出特征生成逻辑。
4. 4.
   模型性能验证：五折交叉验证显示，融合特征在AUC与F1值上较单一特征提升12.7%与9.3%，证明全局-局部联合表征的有效性。

讨论与结论

研究证实，相邻氨基酸间隔距离特征能有效补充APAAC忽略的局部序列信息。讨论指出，该方法对低同源序列的预测稳定性显著优于传统方法，但计算复杂度随λ值增加而上升。作者建议未来可探索深度学习架构进一步优化特征融合效率。结论强调，该特征融合框架为PPI预测提供了可解释性更强的生物信息学工具，对药物靶点发现与蛋白质功能网络构建具有重要应用价值。