蛋白质相互作用（PPI）可以说是人体最重要的分子事件之一，事关人体生长发育、新陈代谢，是疾病治疗干预的重要来源，PPI失调会导致癌症等疾病发生，因而该领域也是医药行业关注的研究热点。
为了更好地预测和解读PPI，并深入挖掘相关分子信息，2023年3月，腾讯 AI Lab 联合香港科技大学、中国科学院大学相关团队，将深度学习领域的层次图学习技术引入PPI研究，提出了一种双视图层次图学习模型（HIGH-PPI），模型被证明在PPI研究中具有更高的预测准确性和更好的可解释性，研究成果在知名国际学术期刊《自然-通讯》（Nature Communications）发表。
人类蛋白质组学数据分析表明，人体的PPI网络涉及约65万个相关接触位点。处理这样量级的数据，人工智能的效率要明显高于人类，相关技术引入可以更加高效、准确地帮助人们找出重要信息，促进靶向药物的开发和癌症等疾病的治疗。
图：蛋白质结构和网络结构都对PPI的准确预测至关重要。（a）蛋白质序列通常能提供关于PPI的细节信息，但它也可能导致PPI的预测准确性降低，例如不具备序列相似性的两个蛋白质（SERPINA1、3）可能和同一蛋白质（ELANE）在相同作用界面发生PPI；（b）包含网络结构信息的PPI，将蛋白质区分为不同的社区，社区内的蛋白质之间存在密集的交互，而社区之间通常只有微弱的连结；（c）HIGH-PPI具备双视图层次，顶视图包含网络结构信息，底视图包含蛋白质结构信息。
这项研究是腾讯 AI Lab 对PPI层次问题建模的首次尝试，得到了审稿人的高度评价，被视为生物信息领域一项富有潜力的创新贡献，文章也得到了学界的认可，被选入《自然-通讯》年度编辑精选文章合集。
HIGH-PPI模型是腾讯在AI+生命科学研究领域的最新研究成果，此前，团队在蛋白质相关的药物发现领域已经取得诸多领先成果，发表多项关于蛋白质结构-功能关系研究的文章，如蛋白质高精度结构模型、疾病分类、蛋白动力学建模以及蛋白质组学数据等。
长期以来，腾讯 AI Lab 致力于推动AI技术与各行业的结合，在研究与应用并重发展的策略下，腾讯AI Lab关注机器学习、计算机视觉、语音技术及自然语言处理四大方向，持续探索AI在工业、农业、医疗、医药、生命科学等领域的研究应用。
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
