SCMPPI: Supervised Contrastive Multimodal Framework for Predicting Protein-Protein Interactions

要約

タンパク質間相互作用（PPI）予測は、細胞機能と疾患メカニズムを解読する上で極めて重要な役割を果たします。
クロスモーダル特徴の融合と偽陰性抑制における従来の実験方法と既存の計算アプローチの制限に対処するために、SCMPPI-A新規監視された対照的なマルチモーダルフレームワークを提案します。
シーケンスベースの機能（AAC、DPC、ESMC-CKSAAP）をネットワークトポロジ（node2VECエンミング）と効果的に統合し、強化された対照学習戦略をネガティブサンプルフィルタリングと組み込むことにより、SCMPPIは優れた予測パフォーマンスを実現します。
8つのベンチマークデータセットでの広範な実験では、最先端の精度（98.13％）とAUC（99.69％）と、優れた異種の一般化（AUC> 99％）とともに実証されています。
CD9ネットワーク、WNT経路分析、およびがん固有のネットワークでの成功したアプリケーションは、疾患標的発見の可能性をさらに強調し、SCMPPIをマルチモーダル生物学的データ分析の強力なツールとして確立します。

要約(オリジナル)

Protein-protein interaction (PPI) prediction plays a pivotal role in deciphering cellular functions and disease mechanisms. To address the limitations of traditional experimental methods and existing computational approaches in cross-modal feature fusion and false-negative suppression, we propose SCMPPI-a novel supervised contrastive multimodal framework. By effectively integrating sequence-based features (AAC, DPC, ESMC-CKSAAP) with network topology (Node2Vec embeddings) and incorporating an enhanced contrastive learning strategy with negative sample filtering, SCMPPI achieves superior prediction performance. Extensive experiments on eight benchmark datasets demonstrate its state-of-the-art accuracy(98.13%) and AUC(99.69%), along with excellent cross-species generalization (AUC>99%). Successful applications in CD9 networks, Wnt pathway analysis, and cancer-specific networks further highlight its potential for disease target discovery, establishing SCMPPI as a powerful tool for multimodal biological data analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google