一种基于可解释HGT的框架：利用基于BERT的嵌入和WGAN-GP预测人类暗激酶蛋白-通路关联

通路关联性与成药性的发现可以利用尚未被充分使用的暗激酶基因来治疗复杂疾病（这一点已在癌症和神经退行性疾病中得到证实），并可借助计算方法进一步增强其效果。在本文中，我们采用基于 BERT 的蛋白质和通路嵌入表示（通过两阶段 Transformer 和异质图 Transformer 进行优化），以及蛋白质-蛋白质和蛋白质-通路关联——其中正样本来自数据库整理，负样本则使用带梯度惩罚的 Wasserstein 生成对抗网络生成——来训练 XGBoost 和 lightGBM 分类器，以预测与人类暗激酶蛋白相关的通路，并通过 SHAP 分析揭示重要特征。所有通路均被聚类，而与相同通路簇相关的蛋白质则通过预测的和已知的蛋白质-通路关联被归为一组。选取与 PCOS 相关的人类暗激酶蛋白（其与 PCOS 通路具有较高的预测关联和已知关联），并将其与已知 PCOS 药物进行分子对接以开展成药性分析。我们的模型在准确率、F1 值、特异性、MCC、AUROC 和 AUPRC 上分别达到 0.9816、0.9816、0.9852、0.9632、0.9978 和 0.9982，优于现有工作，能够正确分类 97.48% 的测试数据，预测上述蛋白质的 62225 个通路关联，推断其中 96 个此类蛋白与人类蛋白的功能相似性，并识别出九个重要的正向特征。我们的模型可用于通过预测的通路关联来确定蛋白质的多种功能及其疾病相关性。

通路关联性和可成药性的发现可利用尚未被充分开发的暗激酶基因来治疗复杂疾病（这一点已在癌症和神经退行性疾病中得到证实），并可借助计算方法得到进一步增强。在本文中，我们采用基于 BERT 的蛋白质和通路嵌入表示（通过两阶段 Transformer 和异质图 Transformer 进行优化），以及蛋白质-蛋白质和蛋白质-通路关联——包括正样本（由数据库整理获得）和负样本（利用带梯度惩罚的 Wasserstein 生成对抗网络生成）——来训练 XGBoost 和 lightGBM 分类器，以预测与人类暗激酶蛋白相关的通路，并通过 SHAP 分析揭示重要特征。所有通路均被聚类，而与相同通路簇相关的蛋白质则通过预测的和已知的蛋白质-通路关联被归为一组。随后，选取与 PCOS 相关的人类暗激酶蛋白（其与 PCOS 通路具有较高的预测关联和已知关联），并将其与已知 PCOS 药物进行分子对接以开展可成药性分析。我们的模型分别获得了 0.9816、0.9816、0.9852、0.9632、0.9978 和 0.9982 的准确率、F1 值、特异性、MCC、AUROC 和 AUPRC，优于现有工作，能够正确分类 97.48% 的测试数据，预测上述蛋白质的 62225 个通路关联，推断其中 96 种此类蛋白与人类蛋白的功能相似性，并识别出九个重要的正向特征。我们的模型可用于通过预测的通路关联来确定蛋白质的多种功能及其疾病相关性。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.30.741784v1?rss=1

🏷️ 暗激酶 蛋白质-通路关联预测 异质图Transformer BERT嵌入 WGAN-GP 可解释机器学习