蛋白质新颖性、序列相似性和负样本采样控制揭示了蛋白质-蛋白质相互作用预测中的基准特异性判别能力|北京沫之东生物技术有限公司

6 次围观

摘要

蛋白质-蛋白质相互作用（PPI）预测模型通常采用随机配对划分进行评估，这种划分允许蛋白质在训练集和测试集中重复出现；与此同时，构造的负样本配对可能引入另一种基准特异性信号。我们重新评估了 Guo 酵母基准，采用匹配的蛋白质新颖性曲线、独立生成的由 MMseqs2 序列聚类控制的 R3 变体、仅拓扑结构对照、度数和长度匹配的候选负样本、手工构建的和冻结的蛋白质语言模型表示、多种模型配置、随机种子分析，以及考虑连通分量的推断。在匹配的 R1→R2→R3 比较中，AAC+CTD-MLP 的 ROC-AUC 从已见-已见配对的 0.697 降至一方未见配对的 0.626，以及双方均未见配对的 0.587。在 MMseqs2 聚类阈值分别为 50%、40%、30% 和 20% 时独立重新生成的簇不相交 R3 变体中，性能未呈现一致的单调趋势。Guo 原始负样本的端点在正样本网络中的节点度数低于正样本端点（均值分别为 3.34 和 6.72）；仅使用度数的逻辑回归模型在原始负样本上达到 0.962 的 ROC-AUC，而在度数匹配的负样本上仅为 0.502。我们在 R3 的训练和测试中始终使用度数匹配的负样本；六种基于序列的模型配置得到的 ROC-AUC 为 0.493–0.547；没有任何一种配置显示出经校正且考虑连通分量的超随机判别证据。PIPR 多物种分析再现了与度数相关的标签分离，但也揭示出跨物种配对是一个额外的汇总数据线索。这些结果表明，蛋白质新颖性、按操作定义的序列簇分离以及负样本集拓扑结构，是 PPI 基准评估的不同维度。Guo 的结果具有基准特异性，不应推广至基于序列的PPI预测或蛋白质语言模型整体而言。用于实验的数据集和源代码已公开发布于 https://github.com/morufwork/guoAudit.git。

蛋白质新颖性、序列相似性和负采样对照揭示蛋白质—蛋白质相互作用预测中的基准特异性判别 | bioRxiv

跳至主要内容

首页

关于

投稿

提醒 / RSS

搜索此关键词

高级搜索

最新结果

蛋白质新颖性、序列相似性和负采样对照揭示蛋白质—蛋白质相互作用预测中的基准特异性判别

查看 ORCID 个人资料

Moruf Adedeji

Adeagbo，

查看 ORCID 个人资料

Halimah A.

Agbaje，

查看 ORCID 个人资料

Sabrina A.

Silveira

doi：

https://doi.org/10.64898/2026.10.06.757125

Moruf Adedeji Adeagbo

维索萨联邦大学计算机科学系；

在 Google Scholar 上查找此作者

在 PubMed 上查找此作者

在本网站上搜索此作者

Moruf Adedeji Adeagbo 的 ORCID 记录

通信请联系：

adedegy{at}gmail.com

Halimah A. Agbaje

巴西维索萨联邦大学动物生物学系；

在 Google Scholar 上查找此作者

在 PubMed 上查找此作者

在本网站上搜索此作者

Halimah A. Agbaje 的 ORCID 记录

Sabrina A. Silveira

巴西维索萨联邦大学计算机科学系

在 Google Scholar 上查找此作者

在 PubMed 上查找此作者

在本网站上搜索此作者

Sabrina A. Silveira 的 ORCID 记录

摘要

信息/历史

指标

补充材料

数据/代码

预览 PDF

摘要

蛋白质—蛋白质相互作用（PPI）预测器通常采用随机配对划分进行评估，这种划分允许同一蛋白质同时出现在训练集和测试集中；而构造的负样本对则可能引入另一种独立的基准特异性信号来源。我们使用匹配的蛋白质新颖性曲线、独立生成的 MMseqs2 序列簇控制型 R3 变体以及仅拓扑……，重新评估了 Guo 酵母基准。

对照组、度数和长度匹配的推定阴性样本、手工构建的表示和冻结的蛋白质语言模型表示、多种模型配置、随机种子分析，以及考虑连通分量的推断。在匹配的 R1→R2→R3 比较中，AAC+CTD–MLP 的 ROC-AUC 从已见–已见配对的 0.697 降至一方未见配对的 0.626，以及双方未见配对的 0.587。在以 50%、40%、30% 和 20% 的 MMseqs2 聚类阈值独立重新生成的、聚类不相交的 R3 变体中，性能未呈现一致的单调趋势。Guo 原始阴性样本的端点在阳性网络中的度数低于阳性端点（均值分别为 3.34 和 6.72），仅使用度数的逻辑回归模型在原始阴性样本上达到 0.962 的 ROC-AUC，但在度数匹配的阴性样本上仅为 0.502。我们在 R3 的训练和测试中始终使用度数匹配的阴性样本；六种基于序列的模型配置得到的 ROC-AUC 为 0.493–0.547；经校正并考虑连通分量后，没有一种显示出高于随机水平的判别证据。PIPR 多物种分析重现了与度数相关的标签分离，但也揭示出跨物种配对是合并数据中的额外线索。这些结果表明，蛋白质新颖性、按操作定义的序列簇分离以及阴性集合拓扑结构，是 PPI 基准评估的不同维度。Guo 结果具有基准特异性，不应将其推广到基于序列的 PPI 预测或蛋白质语言模型整体。该实验的数据集和源代码已公开，网址为 https://github.com/morufwork/guoAudit.git。

利益冲突声明

作者声明不存在利益冲突。

脚注

https://github.com/morufwork/guoAudit.git

版权

永久展示该预印本。

该文依据 CC-BY 4.0 国际许可协议提供。

返回顶部

发布于 2026 年 10 月 14 日。

下载 PDF

补充材料

数据/代码

电子邮件

感谢您有兴趣向他人介绍 bioRxiv。

注意：我们请求提供您的电子邮件地址，仅用于确认您是本文的发送者。

您的电子邮件

您的姓名

发送至

请输入多个地址，每个地址单独占一行，或用逗号分隔。

您将通过电子邮件发送以下内容

蛋白质新颖性、序列相似性和负采样控制揭示了蛋白质—蛋白质相互作用预测中的基准特异性判别

邮件主题

（您的姓名）已将 bioRxiv 上的一个页面转发给您

邮件正文

（您的姓名）认为您可能想查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于验证您是否为人类访客，并防止自动化垃圾信息提交。

蛋白质新颖性、序列相似性和负采样控制揭示了蛋白质—蛋白质相互作用预测中的基准特异性判别

Moruf Adedeji Adeagbo，

Halimah A. Agbaje，

Sabrina A. Silveira

bioRxiv

2026.10.06.757125；

doi：

https://doi.org/10.64898/2026.10.06.757125

分享本文：

复制

引文工具

蛋白质新颖性、序列相似性和负采样控制揭示了蛋白质—蛋白质相互作用预测中的基准特异性判别

Moruf Adedeji Adeagbo，

Halimah A. Agbaje，

Sabrina A. Silveira

bioRxiv

2026.10.06.757125；

doi：

https://doi.org/10.64898/2026.10.06.757125

引文管理器格式

BibTeX

Bookends

EasyBib

EndNote（tagged）

EndNote 8（xml）

Medlars

Mendeley

Papers

RefWorks Tagged

Ref Manager

RIS

Zotero

推文小组件

Facebook 赞

Google Plus +1

学科领域

所有文章

动物行为与认知

(8133)

生物化学

(18969)

生物工程

(15119)

生物信息学

(45057)

生物物理学

(22887)

癌症生物学

(20013)

细胞生物学

(27213)

临床试验

(138)

发育生物学

(14099)

生态学

(21321)

流行病学

(2067)

进化生物学

(25694)

遗传学

(16289)

基因组学

(23743)

免疫学

(18934)

微生物学

(43035)

分子生物学

(18258)

神经科学

(94627)

古生物学

(709)

病理学

(3018)

药理学与毒理学

(5157)

生理学

(8230)

植物生物学

(16196)

科学传播与教育

(2112)

合成生物学

(4622)

系统生物学

(10347)

动物学

(2414)

关键词：蛋白质互作预测 · 基准评估 · 负样本采样 · 序列相似性 · 蛋白质语言模型

原文链接：https://www.biorxiv.org/content/10.64898/2026.10.06.757125v1?rss=1

来源出处

蛋白质新颖性、序列相似性和负样本采样控制揭示了蛋白质-蛋白质相互作用预测中的基准特异性判别能力 https://www.biorxiv.org/content/10.64898/2026.10.06.757125v1?rss=1