题目：CoGANPPIS: Coevolution-enhanced Global Attention NeuralNetwork for Protein-Protein Interaction Site Prediction(复旦大学)
文献来源:/abs/2303.06945
代码：/Slam1423/CoGANPPIS source code
简介：蛋白质间的相互作用在生化过程中具有重要的意义。从蛋白质序列中准确预测蛋白-蛋白相互作用位点（PPIs），加深了我们对生物学机制的理解，对新药设计至关重要。然而，传统的PPIs预测实验方法是昂贵和耗时的，因此许多计算方法，特别是基于ML的方法，最近已经发展起来。虽然这些方法取得了令人满意的结果，但仍存在两个局限性：(1)大多数现有模型挖掘了一些有用的输入特征，但没有考虑到共同进化特征-这可以为残基间关系提供线索，有助于PPIs预测；(2)基于注意力的模型只为相邻残基分配注意权重，而不是全局分配，这可能会限制模型的预测性能，因为蛋白质序列中某些远离目标残基的残基可能也很重要。
作者提出了一种协同进化增强的全局注意神经网络，这是一种基于序列的PPIs预测深度学习模型，称为CoGANPPIS。具体来说，CoGANPPIS采用三层并行进行特征提取：(1)局部表示聚合层，将相邻残基的特征聚合为与以往的研究相似的局部特征表示；(2)全局级表示学习层，采用一种新的协同进化增强的全局注意机制，将注意力权重分配给同一蛋白质序列上的所有残基；(3)共同进化信息学习层，将CNN和池化应用于共同进化信息，获得共同进化轮廓表示。然后，将这三个输出连接起来，并传递到几个完全连接的层中，以进行最终的预测。作者在两个基准数据集上进行了广泛的实验，证明了模型达到了最先进的性能。
主要内容：
-------------------------------------------
欢迎点赞收藏转发！
下次见！
