计算机应用研究

作者：王金雷,丁学明,秦琪琪,彭博雅,

单位：上海理工大学光电信息与计算机工程学院,上海200093；

关键词：蛋白质功能,深度学习,协同进化信息,语言模型,图卷积神经网络,

基金：国家自然科学基金资助项目(11502145)；；

蛋白质的功能对于理解细胞和生物的活动机制、研究疾病机理等至关重要。面对序列数据库的快速增长，传统的实验和序列对比方法不足以支撑大规模的蛋白质功能标注。为此，提出EGNet（evolutionary graph network）模型，采用蛋白质预训练语言模型ESM2和one-hot编码得到蛋白质序列编码，通过序列自注意力和物理计算整合出残基间的协同进化信息PI（paired interaction）和SPI（strong paired interaction）；之后将两种进化信息和序列编码作为多层串联图卷积网络输入，学习序列编码节点特征，实现端到端的蛋白质功能预测。与早期方法相比，在ENZYME数据库中的EC（Enzyme Commission）类别标签上，EGNet获得了更好的性能，其F-score达到0.89，AUPR值达到0.91。结果表明，EGNet仅仅采用单条序列来预测蛋白质功能就可以得到良好的结果，从而能够提供快速且有效的蛋白质功能注释。

来源：2023年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第12期