新的MKGR框架增强了冷启动蛋白质相互作用预测能力

研究人员开发了MKGR，一个新颖的多模态表示学习框架，旨在改进蛋白质-蛋白质相互作用（PPI）的预测，特别是在冷启动场景下，即候选蛋白质在训练期间缺乏已观察到的相互作用。MKGR整合了区域感知蛋白质序列编码与四个生物医学知识图谱——蛋白质-药物、蛋白质-疾病、蛋白质-miRNA和蛋白质-lncRNA关联。该框架采用图注意力编码器从稀疏的生物医学数据中学习蛋白质嵌入，并使用桥接重构目标来正则化图学习。实验表明，MKGR在各种性能指标上始终优于现有的序列、网络和知识图谱基线。 AI

影响 通过提高复杂生物相互作用预测的准确性，增强了AI在生物信息学和药物发现方面的能力。

排序理由 该集群包含一篇详细介绍蛋白质-蛋白质相互作用预测新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• drug development
• functional genomics
• graph attention encoders
• Hugging Face
• protein-disease
• protein-lncRNA
• protein-miRNA
• protein-protein interaction

• 论文
• 模型发布
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →