SCMPPI：面向蛋白-蛋白相互作用预测的受监睉对比多模态框架
机器学习
2025-04-29 v3 人工智能
定量方法
摘要
蛋白-蛋白相互作用（PPI）预测在解密细胞功能和疾病机制方面发挥着关键作用。为解决传统实验方法和现有计算方法在跨模态特征融合和消除误报方面的局限性，我们提出了SCMPPI——一种新颖的受监睉对比多模态框架。通过有效整合基于序列的特征（AAC、DPC、ESMC-CKSAAP）与网络拓扑（Node2Vec嵌入），并纳入负样本过滤的增强对比学习策略，SCMPPI实现了卓越的预测性能。在八个基准数据集上的大量实验表明，其达到最先进的准确率（98.13%）和AUC（99.69%），并表现出优异的跨物种泛化能力（AUC>99%）。在CD9网络、Wnt通路分析以及癌症特异性网络中的成功应用进一步凸显了其在疾病靶点发现中的潜力，使SCMPPI成为多模态生物数据分析的强大工具。
引用
@article{arxiv.2504.02698,
title = {SCMPPI: Supervised Contrastive Multimodal Framework for Predicting Protein-Protein Interactions},
author = {Shengrui XU and Tianchi Lu and Zikun Wang and Jixiu Zhai},
journal= {arXiv preprint arXiv:2504.02698},
year = {2025}
}
备注
20 pages,9 figures,conference