PROMEOS：一种结合专家系统与多模态学习，并整合本体论和序列信息的蛋白质-蛋白质相互作用预测方法

《IEEE Access》：PROMEOS: Protein–Protein Interaction Prediction Using a Mixture of Experts and Multimodal Learning by Integrating Ontology and Sequences

　　

摘要：

蛋白质-蛋白质相互作用在众多生物过程中起着关键作用，但对其的实验鉴定仍需耗费大量成本和时间。深度学习已成为预测蛋白质-蛋白质相互作用的一种有前景的方法，然而现有许多方法由于未能充分利用多种互补信息，难以达到高精度。此外，这些方法在处理非特定实验数据集时存在局限性，且由于蛋白质-蛋白质相互作用数据量庞大，训练过程也面临诸多挑战。为解决这些问题，我们提出了PROMEOS，这是一种结合专家系统与多模态学习、并整合本体知识和序列信息的蛋白质-蛋白质相互作用预测方法。在多种不同的实验环境中，PROMEOS的表现均优于现有的优秀基准模型，在酵母数据集上相比第二好的模型提升了2.4%，在人类数据集上提升了2.02%。此外，它在跨物种预测中的准确率提升了6.94%，在置信度阈值转换评估中的预测准确率提升了7.9%。尽管使用稀疏专家混合模型后参数数量增加了一倍多，但推理时间仅增加了3.5%；而去除解码器后，训练时间则减少了约10%。总体而言，从准确度、适用性和效率方面来看，PROMEOS为蛋白质-蛋白质相互作用预测提供了一种有效的解决方案。