摘要
由严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）引发的2019冠状病毒病（COVID-19）已成为近代史上最严重的全球性健康危机之一。冠状病毒是一类多样的RNA病毒，可分为阿尔法、贝塔、伽马和德尔塔等属，而SARS-CoV-2属于贝塔冠状病毒家族。该病毒具有高度传染性，可引发从轻微的呼吸道症状到严重的并发症，如急性呼吸窘迫综合征、多器官功能衰竭甚至死亡，尤其是对老年人和免疫功能低下者而言。从结构上看，SARS-CoV-2拥有一个大的单链RNA基因组，编码多种重要结构蛋白，包括刺突蛋白（S）、包膜蛋白（E）、膜蛋白（M）和核衣壳蛋白（N），这些蛋白在病毒识别宿主细胞及感染过程中起着关键作用。了解病毒与宿主相互作用的分子机制，尤其是蛋白质间相互作用，对于揭示病毒致病机理及寻找潜在治疗靶点至关重要。传统的蛋白质间相互作用检测方法，如酵母双杂交和亲和纯化技术，往往成本高昂、耗时费力且容易出错。因此，基于机器学习（ML）和深度学习（DL）的计算方法因能够高效、大规模地预测蛋白质间相互作用而受到重视。这些方法利用各种生物信息，包括蛋白质序列、结构特征、基因组数据、基因本体注释以及相互作用网络，来构建复杂的生物关系模型。本综述介绍了蛋白质间相互作用预测的计算方法，重点阐述了基于机器学习和深度学习的技术、方法学进展、性能评估方法以及影响基准测试可比性的限制因素。同时，还探讨了蛋白质间相互作用研究常用的生物数据库和数据来源，并分析了在以冠状病毒为研究对象训练出的模型能否适用于具有不同宿主相互作用机制的其他病毒家族。
