ProLLM：基于蛋白质思维链增强的 LLM 用于蛋白质-蛋白质相互作用预测
生物大分子
2024-07-15 v2 机器学习
分子网络
摘要
蛋白质-蛋白质相互作用（PPIs）的预测对于理解生物功能和疾病至关重要。以往的 PPI 预测机器学习方法主要关注直接物理相互作用，忽略了通过中间蛋白质的非物理连接的更广泛背景，从而限制了其有效性。大型语言模型（LLMs）的出现为应对这一复杂的生物学挑战提供了新机遇。通过将结构化数据转化为自然语言提示，我们可以将蛋白质之间的关系映射为文本。该方法允许 LLMs 识别蛋白质之间的间接连接，追溯从上游到下游的路径。因此，我们提出了一个新颖的框架 ProLLM，首次采用专为 PPI 定制的 LLM。具体而言，我们提出了蛋白质思维链，它将信号通路的生物学机制复现为自然语言提示。ProCoT 将信号通路视为一个蛋白质推理过程，该过程从上游蛋白质开始，经过若干中间蛋白质，将生物信号传递给下游蛋白质。因此，我们可以使用 ProCoT 预测上游蛋白质与下游蛋白质之间的相互作用。ProLLM 的训练采用 ProCoT 格式，增强了模型对复杂生物学问题的理解。除 ProCoT 外，本文还探索了自然语言提示中蛋白质位点的嵌入替换，以及蛋白质知识数据集上的指令微调。我们通过与基准数据集的严格验证证明了 ProLLM 的有效性，在预测准确性和泛化能力方面均较现有方法有显著提升。代码可在以下地址获取：https://github.com/MingyuJ666/ProLLM。
引用
@article{arxiv.2405.06649,
title = {ProLLM: Protein Chain-of-Thoughts Enhanced LLM for Protein-Protein Interaction Prediction},
author = {Mingyu Jin and Haochen Xue and Zhenting Wang and Boming Kang and Ruosong Ye and Kaixiong Zhou and Mengnan Du and Yongfeng Zhang},
journal= {arXiv preprint arXiv:2405.06649},
year = {2024}
}
备注
Accepted by COLM 2024