香港科技大学提出DualNetGO模型，通过高效的特征选择对偶网络预测蛋白质功能

文章预览

蛋白质-蛋白质相互作用(PPI)网络是自动标注蛋白质功能的关键。由于同一组蛋白质存在多个PPI网络，这些网络从不同方面捕获特性，因此有效利用这些异构网络是一项具有挑战性的任务。最近，一些深度学习模型结合了PPI网络，将网络上的图嵌入连接起来用于蛋白质功能预测。然而，由于不同PPI网络的密度、结构和噪声水平各不相同，不加选择地结合蛋白质特征会增加噪声水平，导致模型性能下降。可以说，高效的特征选择程序的缺乏，阻碍了对不同PPI网络信息的有效利用。 2024年7月4日，香港科技大学（广州）罗琼教授团队在Bioinformatics上发表文章DualNetGO: a dual network model for protein function prediction via effective feature selection。 作者提出了DualNetGO，这是一个由分类器和选择器组成的对偶网络模型，通过有效地选择来自不同来源的特征来预测蛋白质功能 ， ………………………………