May, 2009

基于图匹配方法的蛋白质相互作用网络的全局对齐

PDF
TL;DR该研究针对蛋白质 - 蛋白质相互作用网络对齐问题，提出了基于图匹配算法的两种解决方案，分别基于序列相似性和相互作用保守性，两种新算法均优于现有算法，可检测到更多的已知保守性交互作用。
protein-protein interactionppi network alignmentgraph matching algorithmssequence similarityinteraction conservation
发现论文，激发创造
  • 利用蛋白质相互作用网络连接系统发育和分类学

    通过研究蛋白质相互作用网络，本文成功创建了基于物种的网络统计预测模型和基于已知网络统计的分类器，有效地连结了物种的系统发生学与分类学两个领域。

    Oct, 2023

  • 蛋白质相互作用的图神经网络 —— 简要调查

    蛋白质相互作用（PPI）在广泛的生物过程中起着关键作用。本文回顾了各种基于图的方法，并讨论了它们在 PPI 预测中的应用。我们将这些方法分为两个主要组，一类采用图神经网络（GNN）或图卷积网络（GCN），而第二类则利用图注意力网络（GAT）、图自编码器和 Graph-BERT。我们强调每种方法在处理 PPI 网络中的图结构数据方面的独特方法，并预测在此领域的未来研究方向。

    Apr, 2024

  • 保守的网络模体允许蛋白质相互作用预测

    通过机器学习算法使用蛋白质网络的保守性质确定并验证了蛋白质相互作用候选者，成功率在 20-50% 之间。

    Jun, 2004

  • 基于图神经网络的跨前沿蛋白相互作用预测

    本研究提出一种新的评估框架和基于图神经网络的方法，旨在改善多类型蛋白质相互作用预测中的性能下降问题，尤其是在处理未知数据中的新蛋白质相互作用预测。结果表明，该方法在不同规模的真实世界数据集上都比其他最先进的预测方法表现更好。

    May, 2021

  • ContactNet：基于几何的深度学习模型用于预测蛋白质 - 蛋白质相互作用

    我们开发了一种基于注意力的图神经网络 (ContactNet)，用于将从对接算法中得到的蛋白质相互作用模型分类为准确和错误的模型，不需要多序列比对，适用于其他类型的相互作用。

    Jun, 2024

  • 利用 PPI 检索进行高效的蛋白质相互作用研究

    利用已有的蛋白质相互作用数据，在嵌入空间中有效搜索潜在的蛋白质相互作用，并在形成蛋白质复合物的过程中，有效地识别潜在的结合伴侣以及其相应的结合位点。

    Feb, 2024

  • 提升泛化能力的蛋白质相互作用设计学习

    通过构建 PPIRef 数据集和使用 PPIformer 模型，本研究发现可以提高蛋白质 - 蛋白质相互作用的突变并表明其在仿真药物研究和疗法改进中的潜力。

    Oct, 2023

  • 利用基于注意力的关系上下文信息从生物医学文献中提取蛋白质相互作用（PPIs）

    通过多源蛋白质相互作用数据集，利用基于 Transformer 的深度学习方法改善关系提取表现，从而协助理解生物系统中的疾病发展、基因 / 蛋白质功能和生物过程。

    Mar, 2024

  • 蛋白质相互作用网络中全局蛋白质功能预测

    从蛋白质互作网络出发，通过减少与不同分类的互作蛋白质的数量来为蛋白质分配功能类别，该方法在酵母细胞蛋白质相互作用网络中得到应用并经过删除 / 插入互作关系的测试，在大量未分类蛋白质存在的情况下具有鲁棒性。

    Jun, 2003

  • 使用 PubMed 摘要的基于 BioBERT 的弱监督方法将功能分配给蛋白质相互作用

    使用基于 BioBERT 的深度学习技术从 PubMed 文摘中提取蛋白质相互作用 (PPI) 的功能类型，对这些信息进行标注。这项工作证明了通过对生物医学文摘的分析，可以大规模提高在线数据库中带有功能注释的蛋白质相互作用的数量。

    Aug, 2020