التعلم العميق للتفاعلات ذات الترتيب العالي لتوقع واجهة البروتين

تعتبر تفاعلات البروتين مهمة في مجموعة واسعة من العمليات البيولوجية. تقليدياً، تم تطوير طرق حسابية لتوقع واجهة البروتين تلقائيًا من ميزات مصممة يدويًا. تستخدم الأساليب الحديثة الشبكات العصبية العميقة وتوقع تفاعل كل زوج من الأحماض الأمينية بشكل مستقل. ومع ذلك، لا تأخذ هذه الطرق في الاعتبار المعلومات التسلسلية المهمة من سلاسل الأحماض الأمينية والتفاعلات الزوجية ذات الترتيب العالي. من الناحية البديهية، ينبغي أن يعتمد توقع زوج من الأحماض الأمينية على ميزاتهما ومعلومات أزواج الأحماض الأمينية الأخرى. في هذا العمل، نقترح صياغة توقع واجهة البروتين كمشكلة توقع كثيفة ثنائية الأبعاد. بالإضافة إلى ذلك، نقترح نموذجًا عميقًا جديدًا لدمج المعلومات التسلسلية والتفاعلات الزوجية ذات الترتيب العالي لتنفيذ توقعات الواجهة. نمثل البروتينات كرسوم بيانية ونستخدم الشبكات العصبية البيانية لتعلم ميزات العقد. ثم نقترح طريقة النمذجة التسلسل لدمج المعلومات التسلسلية وإعادة ترتيب مصفوفة الميزات. بعد ذلك، ندمج التفاعلات الزوجية ذات الترتيب العالي لتوليد موتر ثلاثي الأبعاد يحتوي على تفاعلات زوجية مختلفة. أخيرًا، نستخدم الشبكات العصبية الالتفافية لتنفيذ توقعات كثيفة ثنائية الأبعاد. تظهر النتائج التجريبية على معايير متعددة أن الطريقة المقترحة يمكن أن تحسن أداء توقع واجهة البروتين بشكل مستمر.