为蛋白质-蛋白质相互作用赋予功能注释：一种基于弱监督 BioBERT 并利用 PubMed 摘要的方法
计算与语言
2022-01-10 v3 机器学习
基因组学
摘要
动机：蛋白质-蛋白质相互作用（PPI）在蛋白质和病变细胞的正常功能中至关重要，许多关键的蛋白质功能由相互作用介导。了解这些相互作用的性质对于构建分析生物数据的网络十分重要。然而，蛋白质相互作用数据库中仅有一小部分 PPI 具有可用的功能注释，例如 IntAct 数据库中仅有 4% 的 PPI 具有功能注释。在此，我们旨在通过提取 PubMed 摘要中描述的关系来标注 PPI 的功能类型。方法：我们从 IntAct PPI 数据库构建了一个弱监督数据集，其中包含具有功能注释的相互作用蛋白质对以及来自 PubMed 数据库的相关摘要。我们应用一种用于生物医学自然语言处理任务的最先进深度学习技术 BioBERT，构建了一个名为 PPI-BioBERT 的模型，用于识别 PPI 的功能。为了大规模提取高质量的 PPI 功能，我们使用 PPI-BioBERT 模型集成来改进不确定性估计，并应用相互作用类型特定的阈值以抵消每类相互作用类型训练样本数量变化的影响。结果：我们扫描了 1800 万篇 PubMed 摘要，自动识别出 3253 个新的带类型 PPI，包括磷酸化和乙酰化相互作用，基于人工审阅样本的总体精确率为 46%（乙酰化为 87%）。该工作表明，分析生物医学摘要以进行 PPI 功能提取是一种可行的方法，可大幅增加在线数据库中带功能注释的相互作用数量。
引用
@article{arxiv.2008.08727,
title = {Assigning function to protein-protein interactions: a weakly supervised BioBERT based approach using PubMed abstracts},
author = {Aparna Elangovan and Melissa Davis and Karin Verspoor},
journal= {arXiv preprint arXiv:2008.08727},
year = {2022}
}
备注
Please see the updated version of this paper https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-021-04504-x