蛋白質(zhì)相互作用（PPI）可以說是人體最重要的分子事件之一，事關(guān)人體生長發(fā)育、新陳代謝，是疾病治療干預(yù)的重要來源，PPI失調(diào)會導(dǎo)致癌癥等疾病發(fā)生，因而該領(lǐng)域也是醫(yī)藥行業(yè)關(guān)注的研究熱點(diǎn)。

為了更好地預(yù)測和解讀PPI，并深入挖掘相關(guān)分子信息，2023年3月，騰訊 AI Lab 聯(lián)合香港科技大學(xué)、中國科學(xué)院大學(xué)相關(guān)團(tuán)隊(duì)，將深度學(xué)習(xí)領(lǐng)域的層次圖學(xué)習(xí)技術(shù)引入PPI研究，提出了一種雙視圖層次圖學(xué)習(xí)模型（HIGH-PPI），模型被證明在PPI研究中具有更高的預(yù)測準(zhǔn)確性和更好的可解釋性，研究成果在知名國際學(xué)術(shù)期刊《自然-通訊》（Nature Communications）發(fā)表。

人類蛋白質(zhì)組學(xué)數(shù)據(jù)分析表明，人體的PPI網(wǎng)絡(luò)涉及約65萬個(gè)相關(guān)接觸位點(diǎn)。處理這樣量級的數(shù)據(jù)，人工智能的效率要明顯高于人類，相關(guān)技術(shù)引入可以更加高效、準(zhǔn)確地幫助人們找出重要信息，促進(jìn)靶向藥物的開發(fā)和癌癥等疾病的治療。

圖：蛋白質(zhì)結(jié)構(gòu)和網(wǎng)絡(luò)結(jié)構(gòu)都對PPI的準(zhǔn)確預(yù)測至關(guān)重要。（a）蛋白質(zhì)序列通常能提供關(guān)于PPI的細(xì)節(jié)信息，但它也可能導(dǎo)致PPI的預(yù)測準(zhǔn)確性降低，例如不具備序列相似性的兩個(gè)蛋白質(zhì)（SERPINA1、3）可能和同一蛋白質(zhì)（ELANE）在相同作用界面發(fā)生PPI；（b）包含網(wǎng)絡(luò)結(jié)構(gòu)信息的PPI，將蛋白質(zhì)區(qū)分為不同的社區(qū)，社區(qū)內(nèi)的蛋白質(zhì)之間存在密集的交互，而社區(qū)之間通常只有微弱的連結(jié)；（c）HIGH-PPI具備雙視圖層次，頂視圖包含網(wǎng)絡(luò)結(jié)構(gòu)信息，底視圖包含蛋白質(zhì)結(jié)構(gòu)信息。

這項(xiàng)研究是騰訊 AI Lab 對PPI層次問題建模的首次嘗試，得到了審稿人的高度評價(jià)，被視為生物信息領(lǐng)域一項(xiàng)富有潛力的創(chuàng)新貢獻(xiàn)，文章也得到了學(xué)界的認(rèn)可，被選入《自然-通訊》年度編輯精選文章合集。

HIGH-PPI模型是騰訊在AI+生命科學(xué)研究領(lǐng)域的最新研究成果，此前，團(tuán)隊(duì)在蛋白質(zhì)相關(guān)的藥物發(fā)現(xiàn)領(lǐng)域已經(jīng)取得諸多領(lǐng)先成果，發(fā)表多項(xiàng)關(guān)于蛋白質(zhì)結(jié)構(gòu)-功能關(guān)系研究的文章，如蛋白質(zhì)高精度結(jié)構(gòu)模型、疾病分類、蛋白動力學(xué)建模以及蛋白質(zhì)組學(xué)數(shù)據(jù)等。

長期以來，騰訊 AI Lab 致力于推動AI技術(shù)與各行業(yè)的結(jié)合，在研究與應(yīng)用并重發(fā)展的策略下，騰訊AI Lab關(guān)注機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、語音技術(shù)及自然語言處理四大方向，持續(xù)探索AI在工業(yè)、農(nóng)業(yè)、醫(yī)療、醫(yī)藥、生命科學(xué)等領(lǐng)域的研究應(yīng)用。

雷峰網(wǎng)(公眾號：雷峰網(wǎng))

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。