Research | 构建基于Transformer的集成框架实现蛋白相互作用位点准确预测

近日，浙江大学药学院朱峰教授课题组构建了一种基于Transformer和门控卷积残差神经网络的集成框架EnsemPPIS，仅根据蛋白质的序列信息就可准确识别潜在的蛋白质-蛋白质相互作用（PPI）位点。在这项研究中，所构建的模型不仅有效提取残基所处的全局和局部序列环境特征，还利用Transformer算法的自注意力机制从蛋白质序列上学习残基相互作用信息，进而使用集成学习策略将多种特征进行有机整合，在多个基准数据集上实现了卓越的预测性能，并展示出广泛的适用性，能够应用于全蛋白质组范围内的PPI位点预测。EnsemPPIS有望加深人们对生理病理机制的理解，助力蛋白质功能研究，推动靶向药物，尤其是蛋白类药物的研发。相关成果以“A Transformer-Based Ensemble Framework for the Prediction of Protein–Protein Interaction Sites”为题发表在Research上。Citation：Minjie Mou, Ziqi ………………………………