科研之友
微信
新浪微博
Facebook
分享链接
摘要
蛋白质相互作用（PPI）网络中的蛋白质功能预测、蛋白质交互预测和复合物识别是生物信息学的重要任务，非常依赖于对蛋白质的编码。由于PPI网络是由少量中枢节点主导的无标度网络，传统欧氏空间嵌入方法难以捕捉网络中的层次结构，导致蛋白质编码效果并不理想。提出一种基于双曲空间图嵌入的蛋白质自编码器Protein-HVGAE，该模型采用两个双曲图卷积网络作为编码器，计算隐藏层的均值和方差，并在不同曲率的双曲空间中捕捉网络的层次结构，以区分各节点的低维表示；采用Fermi-Dirac函数做解码器，在双曲空间上通过内积运算重构网络。实验结果表明，该模型在3个PPI数据集中的两个下游任务（PPI预测和蛋白质功能预测）上的表现优于以往在欧氏空间中的编码方法（在PPI预测中AUC值高于VGAE模型0.07左右，在蛋白质功能预测中Macro-F1值高于VGAE模型0.02左右）。
- 单位
