基于多信息融合的人类-病毒蛋白质-蛋白质相互作用预测研究.pdfVIP

基于多信息融合的人类-病毒蛋白质-蛋白质相互作用预测

研究

摘要

人类-病毒蛋白质-蛋白质相互作用的预测对于探索病毒感染机制意义重大，

因此预测人类-病毒蛋白质-蛋白质相互作用是一个必要且具有实际价值的研究

课题。由于确定人类-病毒蛋白质-蛋白质相互作用的传统方法非常复杂和昂贵，

因此模型的构建起着至关重要的作用。本文基于多信息融合来研究人类-病毒蛋

白质-蛋白质相互作用，研究内容如下：

1.构建一种基于有效通道注意力机制的可解释性的模型ECA-PHV来预测

人类-病毒蛋白质-蛋白质相互作用。首先，使用氨基酸组成(AAC)、二肽偏离预

期平均值(DDE)、多变量互信息(MMI)、联合三联体(CT)、位置特异性得分矩

阵转移概率组成(GTPC)五种特征提取方法把蛋白质序列转化成数字矩阵，其

次，使用差分进化算法通过加权组合方式获取单个特征权重。然后，使用Group

Lasso去除噪声。之后，通过将BiGRU、一维卷积和有效通道注意力结合来构建

ECA-PHV分类器。最后，将特征向量输入到三个全连接层中，进一步预测人类

蛋白质和病毒蛋白质是否具有相互作用。在训练集TR1和TR2数据集上获得

的ACC值分别为92.21%和92.63%，在TS1和TS2独立测试集上获得的

ACC值分别为86.9%和88.0%。这些结果表明，该模型的预测能力总体上优于

其他分类模型。

2.提出一个基于多信息融合和图注意力网络的模型GAT-PHV，来预测人类

-病毒蛋白质-蛋白质相互作用。首先，通过使用四种特征提取方法：二肽组成(DC)、

二肽偏离预期平均值(DDE)、联合三联体(CT)、多变量互信息(MMI)，来挖掘

隐藏在序列中的特征信息，再通过简单串联的方式进行多信息融合。随后，通过

主成分分析去除不相关的特征信息，选择最优特征子集。最后，使用图注意力网

络来预测人类-病毒蛋白质-蛋白质相互作用。其中，图注意力网络是通过K近

邻来构建的。并且图注意力网络采用多头注意力机制，通过多个独立的注意力机

制来学习节点特征，从而使得学习更高效。在五折交叉验证下，本模型在训练集

上ACC值和AUC值分别达到94.15%和0.9812。在独立测试集上，AUC值达到

0.985，其余各项指标也均取得较好的结果。这表明本研究提出的计算框架具有强

大的竞争力和良好的预测性能。

关键词：人类-病毒蛋白质-蛋白质相互作用；多信息融合；深度学习；有效通道

注意力机制；图注意力网络

PREDICTIONSTUGYOFHUMAN-VIRUSPROTEIN-

PROTEININTERACTIONSBASEDONMULTI-

INFORMATIONFUSION

ABSTRACT

Thepredictionofhuman-viralprotein-proteininteractionisofgreatsignificance

forexploringthemechanismofviralinfection,sothepredictionofhuman-viralPPIsis

anecessaryandpracticalresearchtopic.Becausetraditionalmethodsfordetermining

human-viralprotein-proteininteractionsareverycomplexandexpensive,the

constructionofmodelsplaysacrucialrole.Thisthesisisbasedonmulti-information

fusiontostudythehuman-vir