编写 | 萝卜皮

蛋白质-蛋白质相互影响（PPI）对常规的細胞作用尤为重要，而且与很多病症方式相关。一系列蛋白质作用由蛋白质相互影响根据翻译工作后装饰（PTM）受体和调整。

殊不知，在 IntAct 等生物知识数据库查询中，仅有 4% 的 PPI 应用 PTM 开展注解，关键根据人力管理方法开展，既不省时也划不来。科学研究员工的总体目标是根据应用深度神经网络的远距离监管练习数据信息来协助人们管理方法，从参考文献中提取 PPI 以及成对 PTM 来推动注解。

墨尔本大学的分析工作人员应用 IntAct PPI 数据库查询建立一个远程控制监管数据，该数据集标明了相互影响的蛋白质对、他们相对应的 PTM 种类及其来源于 PubMed 数据库查询的有关引言。

她们练习了一组 BioBERT 实体模型（称之为 PPI-BioBERT-x10）以提升置信度校准；拓展了具备置信度转变的总体均值置信度方式的应用，以相抵类不平衡的危害，以提取高置信度预测。

在检测集在评定的 PPI-BioBERT-x10 实体模型造成了适度的 F1-micro 41.3（P = 58.1，R = 32.1）。殊不知，根据融合高置信度和低转变来鉴别高品质的预测，调节预测的精密度，科学研究工作人员以 100% 的精密度保存了 19% 的检测预测。

她们在 1800 万分 PubMed 引言上评定了 PPI-BioBERT-x10，提取了 160 万只PTM-PPI 预测，并过虑了大概 5700 个高置信度预测。在 5700 其中，对一个小的随机抽样非空子集的人力评定表明，虽然开展了置信度校准，但精密度仍降低到 33.7%，而且即使做好了置信度校准，也突显了超过检测集的实用性考验。

科学研究工作人员根据只包含与数篇毕业论文有关的预测来解决这个问题，将精密度提升到 58.8%。在此项工作上，她们注重了根据深度神经网络的文本挖掘在日常生活中的优势和考验，及其必须更为注重置信度校准以推动人力管理方面。

该探讨以「Large-scale protein-protein post-translational modification extraction with distant supervision and confidence calibrated BioBERT」题写，于 2022 年 1 月 4 日公布在《BMC Bioinformatics》。

重要的生物学全过程，例如数据信号联级和基础代谢，遭受蛋白质-蛋白质相互影响（PPI）的调整，这种相互影响根据装饰别的蛋白质以根据翻译工作后装饰（PTM）调整他们的可靠性或活力。PPI 在大中型线上储存库（例如 IntAct 和 HPRD）中实现管理方法。

殊不知，大部分 PPI 没有用函数公式注解，例如，IntAct 数据库查询有超出 100,000 个人们 PPI，但在其中不上 4000 个用 PTM 注解，如磷酸化、乙酰化或甲基化。掌握相互影响的蛋白质对中间 PTM 的特性针对科学研究工作人员明确互联网振荡和中下游分子生物学不良影响的危害尤为重要。

微生物数据库查询中的 PPI 和 PTM 通常是手动式管理方法的，这必须经过训练的管理者，与此同时也很用时。生物学家还特别强调了维护保养手动式管理方法数据库查询、保证他们是近期的及其手动式管理方法的经济发展层面的别的考验。因而，选用全自动策展方式针对此项工作的可持续发展尤为重要。

科学研究工作人员根据文本挖掘 PubMed 引言来提取 PTM，提取蛋白质对以及相对应的 PTM。给出键入刊物引言，导出是 方式的三元组，在其中 Protein1 和 Protein2 是蛋白质的 Uniprot 标志符。因为它们的练习数据库不包含蛋白质中间关联的方位，因此不考虑到 Protein1 和 Protein2 相互关系方位，即 等额的于 。

科学研究工作人员还致力于协助 PTM-PPI 的人力管理方法，因而她们根据将设备学习模型运用于 1800 万只 PubMed 引言以提取 PTM-PPI 三元组来评定设备学习模型的广泛水平。在这儿，科学研究工作人员应用置信度校准做为一种体制来了解实用性，以掌握预测什么时候可以提取高品质的预测。该精英团队坚信她们是第一个科学研究应用具备机器学习和远程控制监管的 NLP 开展规模性 PTM-PPI 提取的具体适用范围和考验的精英团队。

科学研究工作人员致力于提取 PTM，包含磷酸化、去磷酸化、甲基化、泛素化、去泛素化和乙酰化（这种 PTM 是依据练习数据信息的易用性挑选的）。她们应用远程控制监管方式建立一个练习数据，应用 IntAct 做为源知识库系统从 PubMed 引言中提取 PTM-PPI 三元组。

她们练习了一组 BioBERT 实体模型来改善神经系统置信度校准。随后，将训练有素的实体模型运用于 1800 万分 PubMed 引言，以提取 PPI 对以及相对应的 PTM 函数公式；并试着应用神经系统置信度校准技术性来保证高品质的预测，以提高和推动人们管理方面。

根据深度神经网络提取蛋白质相互影响的相应工作中

用以评定文本挖掘方式的 PPI 提取数据（例如 AIMed 和 BioInfer）在十多年来（自 2007 年至今）一直不变，而且致力于提取蛋白质相互影响，而不是他们中间 PTM 相互影响的特性。这种数据还被用以评定全新的人工神经网络方式，包含蛋白质对提取中的深度神经网络。

殊不知，在应用 AIMed 和 BioInfer 数据的标准测试标准的比较有限环境下，全新的深度神经网络发展趋势好像在 PPI 管理方法中并不普遍时兴。应用文本挖掘和根据标准的方式的全自动 PPI 管理方法试着好像更广泛。

PPI-BioBERT-x10 上检测和验证集的混淆矩阵。

STRING v11 是最火爆的 PPI 数据库查询之一，它应用文本挖掘做为策展方式。自 STRING v9.1 至今，她们的文本挖掘管路基本上不变。STRING v9.1 应用根据权重计算 PPI 共现标准的方式，在其中权重值在于蛋白质对是不是一起发生在同一文本文档、同一文段或同一语句中。即使练习数据信息比较有限，根据标准的办法也将会十分合理，实际在于每日任务。

将 STRING v11 数据库查询中的互动模块界定为「作用关系，即二种蛋白质中间的联络，他们一同促使特殊的分子生物学作用」。这一界定容许根据共现标准的方式 十分合理，即假如一个蛋白质对常常在文字中与此同时发生，那麼这对很可能是有关的。

检测和规模性引言与训练集的 PTM 余弦同质性。

iPTMnet 从各种各样手动式管理方法的数据库查询（例如 HPRD 和 PhosphoSitePlus 及其文本挖掘資源）中融合相关 PPI 和 PTM 的信息内容。针对文本挖掘，iPTMnet 应用 RLIMS-P 和 eFIP 来全自动管理方法酶-底物-结构域关联。这种专用工具应用根据标准的方式，应用文字方式来提取 PTM 中涵盖的蛋白质。

2019 年 11 月的 iPTMnet 数据统计表明，应用 RLIMS-P 方案策划的酶-底物对数量低于 1,000 对。这一适当的数据突显了应用文字方式的关键考验：尽管他们可以以非常高的精密度提取关联，但他们针对怎样在文字中叙述 PPI 关联的转变并不稳定。因而，科学研究工作人员探寻了根据设备学习方法，这种办法可以提取大量的关联。

应用深度神经网络全自动提取 PPI 可能是有利的，因为它有可能从各种各样文字中提取 PPI，在其中 PPI 关联的叙述方法没法根据手动式制做的根据标准的系统软件轻轻松松捕获。

练习、检测、规模性预测中的 PTM 常用词。

殊不知，深度神经网络必须很多的培训数据信息。保证预测品质的建模的实用性是其普遍选用从文字中全自动提取 PPI 关联的重要。规模性提升预测品质必须致力于降低乱报，以最大限度地降低对目前知识库系统条目地毁坏，因而，降低低品质预测的置信度校准方式变成规模性文本挖掘的重要环节。

置信度校准是预测意味着真正准确性的几率可能的问题，在这儿，科学研究工作人员应用置信度校准来掌握预测什么时候很有可能恰当，并将其作为改善广泛的体制。实用性的层面在较大水平上仅限对检测集的评定，而应用检测集特性做为现实世界特性的代办的局限在过去的探讨中遭受了考验。

建立具备粗粒度注解的关键规范练习数据信息，是一项手动式的劳动密集每日任务，而且是将人工神经网络运用于新的领域或每日任务的限定要素。可以运用一个或好几个目前数据库是在新的领域或新每日任务中应用人工神经网络的重要。远程控制监管运用原有的知识库系统，例如 IntAct，而不是注解新数据。

殊不知，应用远程控制监管数据有两个关键限定：（a）噪音标识必须减噪技术性来提升标识品质（b）他们必须转化成负样版，由于数据库查询通常只包含关系的正样版。

BiLSTM 和 BioBERT 等深度神经网络构架之前已用以应用自然语言处理（NLP）和 AIMed 数据对蛋白质关联提取方式开展标准检测。

殊不知，这种作业并沒有考量这种实体模型校准置信度成绩的工作能力。科学研究工作人员挑选了最现代化的深度神经网络方式 BioBERT，练习一个集成化来提高置信度校准，并应用置信度转变来相抵置信度校准期内类不平衡的危害。

人工智能技术×[ 微生物 认知科学 数学思维 物理学 原材料 ]

「ScienceAI」关心人工智能技术与别的前沿科技及基础学科的交叉式科学研究与融合发展。

热烈欢迎关注标星，并点一下右下方关注点赞和在看。