《International Journal of Molecular Sciences》：Hierarchical Contrastive Learning for Protein–Protein Interaction Prediction Across Organisms
编辑推荐：
随着生物医学技术的进步和实验资源的持续扩展，生物数据在规模和复杂性上均呈快速增长态势。对比学习（CL）为整合异构生物信息提供了有效框架。然而，许多蛋白质-蛋白质相互作用（PPI）预测方法仍将蛋白质序列和注释表示为扁平特征，且未对蛋白质家族、clans和功能注释
随着生物医学技术的进步和实验资源的持续扩展，生物数据在规模和复杂性上均呈快速增长态势。对比学习（CL）为整合异构生物信息提供了有效框架。然而，许多蛋白质-蛋白质相互作用（PPI）预测方法仍将蛋白质序列和注释表示为扁平特征，且未对蛋白质家族、clans和功能注释之间的分层生物学关系进行明确建模。在此，研究人员引入了HIPPO（跨生物体的分层蛋白质-蛋白质相互作用预测），一个用于PPI预测的分层对比学习框架。HIPPO将蛋白质序列表示与结构化生物学属性相对齐。在种内基准PPI数据集上，与跨评估拆分的最优基线相比，HIPPO将平均micro-F1提升了2.9%。在宿主-病原体相互作用（HPI）基准测试中，HIPPO在标准拆分下获得了最高的AUROC（0.731）和第二高的AUPRC（0.332）。在留一病毒家族验证（LOVO）评估下，HIPPO在Papillomaviridae（0.603）和Retroviridae（0.612）上获得了最佳AUROC，同时显示出依赖于家族的迁移行为。消融实验支持了分层特征整合的贡献，且基于注意力的残基归因提供了初步证据，表明学习到的表示突出显示了与界面相关的残基。这些结果表明，结构化生物学知识可以改善在多样且不平衡的数据集上进行PPI预测的表示学习。
蛋白质-蛋白质相互作用（PPI）是生命系统中最基础的分子过程之一，对细胞调控和疾病机制研究至关重要。历史上，PPI的解析依赖于酵母双杂交、免疫共沉淀等实验技术，但这些方法受限于高通量成本和劳动密集型特征。计算策略作为可扩展的替代方案日益重要，尤其是人工智能（AI）和深度学习在蛋白质表示学习中的广泛应用。尽管对比学习在捕捉序列与生物特征关系上展现出优势，但现有许多PPI预测模型仍存在局限：它们通常将蛋白质信息编码为扁平特征，未明确建模蛋白质家族、超家族、结构域之间的分层生物学关系。基于结构的方法虽能捕捉空间特征，但在处理本质无序区域（IDRs）时受限。为解决上述问题，研究人员提出了一项新研究，旨在将结构化的分层生物学知识与蛋白质序列整合到统一的表示空间中，以提升PPI预测的泛化能力。该研究提出了HIPPO框架，结论表明分层生物知识能显著改善多样和不平衡数据集下的PPI表示学习，特别是在未见蛋白质和跨物种交互预测中展现出良好泛化性。该论文发表在《International Journal of Molecular Sciences》上，为生物网络建模提供了新视角。
在关键技术方法方面，研究人员主要采用了以下方法：使用来自UniProtKB的Swiss-Prot数据集进行预训练，利用STRING数据库的SHS27k、SHS148k数据集进行种内评估，并整合HVIDB、PHISTO等9个公共数据库构建了宿主-病原体相互作用（HPI）基准队列；采用蛋白质语言模型（PLM）和注释语言模型（ALM）双流编码器提取特征；设计分层多标签对比损失函数，利用Pfam family和clan注释作为监督信号约束嵌入空间；采用图同构网络（GIN）对PPI网络的拓扑依赖性进行建模；使用多层感知机（MLP）进行下游预测，并结合留一病毒家族评估和消融实验验证模型性能。
HIPPO联合蛋白质序列与分层关系及PPI网络学习
现有模型主要基于序列或结构信息学习蛋白质相互作用组，常缺乏对蛋白质间多种相互作用属性（如功能、翻译后修饰PTMs、结合结构域）的明确建模。针对此，研究人员提出的框架从不同来源整合异构信息，既建模分子内容也建模生物学上下文。框架通过双视角设计运作：特征提取阶段利用包含跳跃连接的Transformer块处理的序列编码器和处理非分层注释的注释编码器；在表示学习阶段，引入分层多标签对比学习目标，将分层注释作为监督信号。同时采用图神经网络（GNN）建模PPI网络全局结构，并利用图同构网络捕捉复杂拓扑模式。最终候选蛋白的嵌入被拼接并通过MLP分类器预测交互。
HIPPO在种内PPI预测中表现优异
研究人员通过深度优先搜索、广度优先搜索和随机拆分策略三个人类数据集评估了预测能力。在SHS27k和SHS148k数据集上，该方法表现始终优于基线，平均micro-F1提升2.9%。在较不利的DFS拆分中，模型在SHS27k上较GNN-PPI提升10.9%。研究人员将蛋白交互对分为“简单”与“困难”类别进行泛化评估，在训练时均未见过的“困难”对上，该方法表现优于基线且方差更低。这表明分层特征整合有效提升了预测准确度。
建模蛋白质间的分层关系改善性能
消融实验表明，移除蛋白质属性间的分层关系会导致种内数据集预测准确率显著下降。在“困难”测试对上退化最为明显，说明分层建模对泛化至新蛋白尤为有益。嵌入可视化显示，引入分层关系后，模型在残基、结构域和谱系级别均呈现出清晰紧凑的聚类。排除非分层注释会降低预测准确率，但强化了注意力高亮残基在界面相关区域的重叠，表明分层注释能加强残基级归因。
HIPPO在跨物种PPI预测中具领先性能
研究评估了在人源数据集训练后迁移至大肠杆菌等六个物种数据集的能力。结果显示，与基线相比，该模型在跨物种数据集上取得了最优或近最优性能，表明其能捕获跨生物体共享的保守功能特征，支持跨物种PPI预测的进一步研究。
基于注意力的残基归因高亮界面相关区域
研究人员分析了蛋白质视角编码器的注意力权重。通过将晶体结构中高亮残基与界面残基对比，发现分层对比学习使重叠得分从0.40625提升至0.71875。对比模型配置表明，含有分层注释的模型显示出更高的重叠度，证实分层预训练提高了注意力高亮残基与界面残基的一致性，为学习到的表示提供了残基级归因证据。
案例研究：HIPPO迁移至宿主-病原体相互作用预测
作为极具挑战性的跨物种案例，宿主-病原体相互作用（HPI）预测涉及进化距离遥远且注释稀疏的病毒蛋白。在标准HPI拆分下，该模型取得了最高的AUROC，次高的AUPRC和macro-F1。在更严格的留一病毒家族（LOVO）协议下，模型在Papillomaviridae和Retroviridae上取得最佳AUROC，但在Coronaviridae等家族表现较弱，显示出对家族的依赖性。这说明表示虽具部分迁移性，但在强病毒家族分布偏移下仍面临挑战。
讨论部分总结
研究人员引入的HIPPO是一个分层对比学习框架，将序列信息与家族、结构域等生物学属性整合用于PPI预测。基准结果表明，分层特征整合能提升PPI预测能力及跨物种迁移性，但在面临病毒分类或功能较远的强分布偏移时，人类-病毒相互作用预测依然困难。主要结论指出，HIPPO将分层生物关系纳入学习，消融分析证实分层信息有助于性能提升，基于注意力的残基归因提供了初步解释证据。结构化的生物学知识不仅改善了PPI预测的表示学习，也强调了未来需要改进上下文特定相互作用建模的需求。
