超越相似度：对比学习从蛋白质相互作用结构中恢复功能性基因关联
机器学习
2026-03-24 v1 人工智能
摘要
预测关联记忆（PAM）框架认为，有用关系往往连接在共享语境中共现的事物，而非在嵌入空间中相似的事物。在共现注释上训练的对比多层感知机（Contrastive Association Learning, CAL）已在多跳段落检索中取得改进，并在语料库规模上发现叙事功能。在分子生物学中，我们测试这一原则是否可迁移，蛋白质-蛋白质相互作用提供的功能关联与基因表达相似性不同。四项实验跨越两个生物学领域，映射其操作范围。在基因扰动数据（Replogle K562 CRISPRi，2285 个基因）上，CAL 在 STRING 蛋白质相互作用上训练，实现了跨边界 AUC 为 0.908，而表达相似性得分为 0.518。第二个基因数据集（DepMap，17725 个基因）在负采样校正后确认此结果，跨边界 AUC 达到 0.947。两项药物灵敏度实验产生信息性负样本，使边界条件更加精确。三个跨域发现：（1）在生物学中迁移学习成功——节点不相交的划分对未见基因得到 AUC 0.826（增益 +0.127），而在文本中失败（±0.10），表明物理上基于的关联比偶然的共现更具可迁移性；（2）CAL 分数与相互作用程度呈反相关（Spearman r = -0.590），收益集中在少数化学研究的基因中；（3）更紧密的关联质量优于更大但噪声更大的训练集，颠覆了文本模式。结果在不同训练随机种子下稳定（标准差 < 0.001），并对跨边界阈值选择保持一致。
引用
@article{arxiv.2603.20955,
title = {Beyond Expression Similarity: Contrastive Learning Recovers Functional Gene Associations from Protein Interaction Structure},
author = {Jason Dury},
journal= {arXiv preprint arXiv:2603.20955},
year = {2026}
}
备注
21 pages, 5 figures, code at https://github.com/EridosAI/GeneticCAL