计算机科学与探索

作者：王皓白, 沈昕, 黄尉健, 陈可佳

单位：1. 南京邮电大学 计算机学院，南京 2100232. 南京邮电大学 理学院，南京 2100233. 江苏省大数据安全与智能处理重点实验室（南京邮电大学），南京 210023

关键词：蛋白质交互网络,双曲空间,图卷积,变分图自编码器（VGAE）,蛋白质功能预测

蛋白质相互作用（PPI）网络中的蛋白质功能预测、蛋白质交互预测和复合物识别是生物信息学的重要任务，非常依赖于对蛋白质的编码。由于PPI网络是由少量中枢节点主导的无标度网络，传统欧氏空间嵌入方法难以捕捉网络中的层次结构，导致蛋白质编码效果并不理想。提出一种基于双曲空间图嵌入的蛋白质自编码器Protein-HVGAE，该模型采用两个双曲图卷积网络作为编码器，计算隐藏层的均值和方差，并在不同曲率的双曲空间中捕捉网络的层次结构，以区分各节点的低维表示；采用Fermi-Dirac函数做解码器，在双曲空间上通过内积运算重构网络。实验结果表明，该模型在3个PPI数据集中的两个下游任务（PPI预测和蛋白质功能预测）上的表现优于以往在欧氏空间中的编码方法（在PPI预测中AUC值高于VGAE模型0.07左右，在蛋白质功能预测中Macro-F1值高于VGAE模型0.02左右）。

来源：2023年第3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2023年第3期