gsmformer-ppi

В репозитории опубликован код GSMFormer-PPI — мультимодальной модели для предсказания взаимодействий белок–белок. Авторы объединяют сразу три источника информации: молекулярную поверхность белка, его трёхмерную структуру и последовательность аминокислот. Для поверхности используются физико-химические дескрипторы в духе MaSIF, для структуры — графовая нейросеть, а для последовательности — поостаточные эмбеддинги из ProstT5. После этого признаки сводятся в общее пространство и обрабатываются трансформером, который учится моделировать связи между разными модальностями, а не просто склеивать их. Модель оценивается на наборе PINDER, где особое внимание уделено корректному разделению данных и снижению утечек между обучением и тестом. В прямом сравнении с графовыми базовыми моделями GSMFormer-PPI показывает заметный прирост качества: на тестовом наборе достигаются 95,7 % accuracy, 0,914 MCC, 0,988 AUROC и 0,990 AUPRC, что лучше результатов GCN, GAT и базовой версии с простым объединением признаков. Это показывает, что продвинутое слияние модальностей действительно важнее, чем простая конкатенация. Авторы отдельно проверяют вклад разных источников информации. Эксперименты показывают, что поверхностные признаки играют критическую роль, а лучшим источником последовательностных эмбеддингов оказывается именно ProstT5, который превосходит ESM-2 и ProtT5 в этой задаче. В сравнении с другими современными подходами для PPI-предсказания GSMFormer-PPI выступает на уровне лучших моделей, а по AUPRC даже превосходит более сильный метод Jha and Saha, что особенно важно для несбалансированных данных. Работа показывает, что совместный анализ поверхности, структуры и последовательности — перспективное направление для вычислительной биологии и предсказания белковых взаимодействий.

статья | код