我校教师在蛋白质相互作用预测方面取得新进展（图）

　　近期，我校信息工程学院李重教授（通讯作者）课题组，在生物信息领域国际重要期刊《Bioinformatics》（JCR一区期刊，IF：6.931）上，以我校为第一单位发表题为“AFTGAN: prediction of multi-type PPI based on attention free transformer and graph attention network”的最新研究成果。

　　蛋白质相互作用（PPI）的研究对于生物医学发展至关重要，对PPI的深入理解可以为正常和疾病状态下的细胞生理学提供更多的见解，对基础科学和药物发现具有重大意义。然而，未知PPI预测仍然是一个挑战性的问题。为此，该课题组提出了一种新的神经网络模型AFTGAN，用于预测多种类型PPI。该方法在特征输入方面，除了氨基酸共现相似性和独热编码以外，还添加了含有大量蛋白质生物学信息的语言模型ESM-1b嵌入作为蛋白质序列特征。在网络框架部分，构建了一个基于Transformer编码器的集成网络，包含Attention Free Transformer （AFT） 模块和图注意力网络（GAT）。其中，AFT模块用于对重要蛋白质序列特征信息进行加权计算，而图注意力网络（GAT）主要用于提取蛋白质对的关系特征。在SHS27K和SHS148K数据集上的实验结果显示，AFTGAN优于其他使用随机、深度优先搜索（DFS）和广度优先搜索（BFS）划分的方法。测试集tSTRING数据集的实验结果表明，AFTGAN模型在预测未知PPI方面具有性能优势。

　　论文链接：https://academic.oup.com/bioinformatics/article/39/2/btad052/7000335