.png){kind=icon}
返回
PCPredG: Protein Complex Prediction Using Graphlet Features
.png){kind=icon}
PRE
AI
DOI：10.1109/TCBBIO.2025.3540117.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
蛋白质与其他蛋白质和生物分子相互作用以形成复合物，并在生物体中执行关键生物学功能，同时响应多种环境信号。设计用于预测蛋白质复合物的有效模型是一项具有挑战性的任务，在当代文献中的覆盖范围有限。基于此动机，我们开发了一种新颖的方法PCPredG，用于从PPI网络中利用5节点图模式特征预测3节点蛋白质复合物。CORUM蛋白质复合物数据库已被用于借助MCODE和MCL聚类算法整理正负数据样本。在实验过程中，随机森林(RF)和SVM分类器在10折交叉验证设置下，使用1000个正3节点复合物以及1:1至1:10的正负比例进行训练。同时，我们在平衡和不平衡设置下实现了具有极化信息传递的当前最先进GCN、GAT以及GCN和GAT的集成。我们还引入了在所有实验的保留集上进行的10折质量共识。我们在平衡和不平衡实验中均以RF分类器取得了最佳性能。
Keyword:
Protein complex prediction
protein-protein interaction networks
graphlet feature
graph neural network
consensus
ensemble model
期刊
I
IF:
3.4
论文数:
3.3K
被引数:
6.4K
机构
引用论文
Methods for protein complex prediction and their contributions towards understanding the organisation, function and dynamics of complexes蛋白质复合物预测方法及其对理解复合物的组织，功能和动力学的贡献.png)
FEBS LETTERS
OAAI
FEBS LETTERSIF3
OAAI分享收藏CUBCO+: prediction of protein complexes based on min-cut network partitioning into biclique spanned subgraphsCUBCO+: 基于将最小割网络分割为双模图覆盖子图的蛋白质复合物预测
OAAI
OAAI分享收藏分享收藏
查看更多内容