- 2 次围观
准确预测蛋白质—蛋白质相互作用（protein-protein interactions，PPIs）对于阐明细胞机制和加速药物发现至关重要。尽管实验技术能够提供广泛的相互作用图谱，但其高昂的成本和较长的耗时使得开发稳健的计算替代方法成为必要。在本研究中，我们提出了一种可解释的机器学习框架，将序列衍生描述符——具体包括120个自协方差（Auto-Covariance，AC）特征、686个联合三元组（Conjoint Triad，CT）特征和1,820个局部描述符（Local Descriptors，LD）特征——与经典分类算法相结合，包括支持向量机（Support Vector Machines，SVM）、随机森林（Random Forests，RF）和XGBoost（XGB）。在采用分层五折交叉验证的金标准序列型PPI基准数据集上，各模型均取得了稳健的分类准确率：SVM为86.92%，RF为97.75%，而XGBoost的交叉验证准确率最高，达到97.97%（召回率：98.09%，精确率：98.10%，F1值：98.09%）。此外，在独立的、未见过的（Human-PPI）测试集上进行的严格评估表明，该框架具有卓越的泛化能力。随机森林模型表现最佳，取得了99.51%的准确率、99.72%的精确率、99.29%的召回率、99.50%的F1值、0.9990的受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic curve，AUROC）以及0.9989的精确率—召回率曲线下面积（Area Under the Precision-Recall Curve，AUPRC）；XGBoost紧随其后，准确率为98.54%，AUROC为0.9979，AUPRC为0.9974。特征重要性分析显示，短程理化性质相关性（例如蛋白质2中的极性和疏水性滞后）、区域性氨基酸组成以及特定的三元组模式（例如A/G/V-M/S/T/YM/S/T/Y）是实现准确PPI判别的主要因素。这些发现证明了该方法的有效性将领域知识驱动的手工序列特征与机器学习分类器相结合，用于蛋白质–蛋白质相互作用（PPI）预测，在计算开销极低的情况下提供具有生物学可解释性的洞见，并实现高效、可扩展的互作组筛选。
准确预测蛋白质—蛋白质相互作用（protein-protein interactions，PPIs）对于阐明细胞机制和加速药物发现至关重要。尽管实验技术能够提供广泛的相互作用图谱，但其高昂的成本和较长的耗时使得开发稳健的计算替代方法成为必要。在本研究中，我们提出了一种可解释的机器学习框架，将序列衍生描述符——具体包括120个自协方差（Auto-Covariance，AC）特征、686个联合三元组（Conjoint Triad，CT）特征和1,820个局部描述符（Local Descriptors，LD）特征——与经典分类算法相结合，包括支持向量机（Support Vector Machines，SVM）、随机森林（Random Forests，RF）和XGBoost（XGB）。在采用分层五折交叉验证的金标准序列型PPI基准数据集上，各模型均取得了稳健的分类准确率：SVM为86.92%，RF为97.75%，而XGBoost的交叉验证准确率最高，达到97.97%（召回率：98.09%，精确率：98.10%，F1值：98.09%）。此外，在独立的、未见过的（Human-PPI）测试集上进行的严格评估表明，该框架具有卓越的泛化能力。随机森林模型表现最佳，取得了99.51%的准确率、99.72%的精确率、99.29%的召回率、99.50%的F1值、0.9990的受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic curve，AUROC）以及0.9989的精确率—召回率曲线下面积（Area Under the Precision-Recall Curve，AUPRC）；XGBoost紧随其后，准确率为98.54%，AUROC为0.9979，AUPRC为0.9974。特征重要性分析显示，短程理化性质相关性（例如蛋白质2中的极性和疏水性滞后）、区域性氨基酸组成以及特定的三元组模式（例如A/G/V-M/S/T/YM/S/T/Y）是实现准确PPI判别的主要因素。这些发现证明了该方法的有效性
由领域知识驱动的手工设计序列特征与机器学习分类器相结合，用于蛋白质-蛋白质相互作用（PPI）预测，在计算开销最小的情况下提供具有生物学可解释性的洞见，并支持高效、可扩展的互作组筛选。
作者声明不存在利益冲突。
感谢您有兴趣传播 bioRxiv 的相关信息。
注意：请求您的电子邮件地址仅用于确认您是该文章的发送者。
关键词：蛋白质-蛋白质相互作用 · 机器学习 · 序列描述符 · 特征工程 · 互作组筛选
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.21.760860v1?rss=1