一个用于蛋白质-蛋白质相互作用预测的强大框架，该框架结合了多目标集成学习和基于嵌入的表示方法

《Scientific Reports》：A robust framework for protein-protein interaction prediction with multi-objective ensemble learning and embedding-based representations

　　

摘要

蛋白质-蛋白质相互作用（PPIs）在几乎所有细胞过程中都起着关键作用。然而，实验性地识别PPIs仍然成本高昂、耗时较长，且常常不够全面。为了解决这些挑战，本研究提出了一种混合自适应框架，用于PPI预测，该框架将现代蛋白质语言模型与进化优化和集成学习相结合。该框架使用Prot-T5-XL-Uniref-50语言模型对蛋白质序列进行编码，从而捕捉丰富的上下文信息、结构信息和物理化学信息。随后，通过均匀流形近似和投影技术对高维表示进行压缩，以降低计算复杂性。进一步提出了一种结合多目标非支配排序遗传算法-II（NSGA-II）和随机森林的混合方法，以提高分类器的鲁棒性。这种进化策略在估计集成所需的最优树数量的同时，最大化了预测准确性和分类器多样性。通过与最先进方法的比较实验，验证了所提出方法在四个基准数据集（人类、大肠杆菌、果蝇和秀丽隐杆线虫）上的优越性能。最后，利用Shapley加性解释方法量化并可视化了每个特征对模型预测的贡献，便于对关键嵌入维度进行排序和分析。总体而言，所提出的框架提供了一种基于蛋白质序列数据的大规模PPI预测的可靠且鲁棒的解决方案。