计算机科学与探索

作者：周汉文, 邓赵红, 张炜

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

关键词：多级酶功能预测,多语义深度特征学习,大模型词嵌入,多视图特征融合

基金：国家自然科学基金（62176105）。

蛋白质在生物活动中发挥着关键作用，酶作为一种重要的蛋白质，因其催化功能在多个领域得到广泛应用。然而，通过生化实验验证酶的功能既费时又昂贵。传统的酶功能注释方法主要依赖于序列相似性，但在目标酶序列与已知酶差异较大时，这些方法效果不佳。近年来，科研人员初步探索了一些基于深度学习的方法，但现有的深度学习方法受限于传统酶序列编码方式，并且仅利用单一视图或单层次的信息，这使得模型在处理结构复杂或功能多样的酶时表现出一定的局限性。对此，提出一种新的全域跨语义融合的多级酶功能预测方法（GCMEFP）。所提方法使用了两种最新的蛋白质大语言模型进行序列词嵌入学习。构建了多语义深度特征学习模块，该模块通过卷积神经网络构建语义金字塔，实现了不同层级语义信息的提取。还提出了全域跨视图语义融合模块，用于探索不同视图之间隐藏的相互作用信息，并去除冗余信息来增强模型的泛化性。实验结果表明：提出的GCMEFP在基准数据集上的精度达到89.6%，较现有最优方法高出0.048；在独立测试集New-379上的精度达到55.6%，较现有最优方法高出0.14。

来源：2025年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第6期