MKGR: Multimodal Knowledge-Graph Representation Learning for Cold-Start Protein-Protein Interaction Prediction

📄 arXiv: 2607.01627v1 📥 PDF

作者: Wenbo Zhang

分类: cs.LG, cs.AI

发布日期: 2026-07-02

💡 一句话要点

提出MKGR以解决冷启动蛋白质-蛋白质相互作用预测问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 蛋白质相互作用 多模态学习 知识图谱 生物医学 冷启动问题

📋 核心要点

  1. 现有方法在冷启动情况下无法有效处理未观察到的蛋白质-蛋白质相互作用，导致信息损失。
  2. MKGR通过结合蛋白质序列编码和多种生物医学知识图谱，提供了一种新的多模态表示学习方法。
  3. 在两个基准数据集上，MKGR在多个评估指标上均优于现有的序列、网络和知识图谱基线。

📝 摘要（中文）

准确的蛋白质-蛋白质相互作用（PPI）预测对功能基因组学、疾病机制发现和药物开发至关重要。在训练过程中，当候选相互作用包含没有观察到的PPI边缘的蛋白质时，现有依赖网络拓扑的方法往往失去有用的上下文。本文提出了MKGR，一个多模态表示框架，用于冷启动PPI预测。MKGR结合了区域感知的蛋白质序列编码和四个以蛋白质为中心的生物医学知识图谱，包括蛋白质-药物、蛋白质-疾病、蛋白质-miRNA和蛋白质-lncRNA关联。实验结果表明，MKGR在多个基准数据集上优于竞争性基线，表现出更高的准确率和召回率。

🔬 方法详解

问题定义：本文旨在解决冷启动情况下的蛋白质-蛋白质相互作用预测问题。现有方法往往依赖于网络拓扑，无法有效利用未观察到的相互作用信息，导致预测性能下降。

核心思路：MKGR的核心思路是通过多模态表示学习，结合蛋白质序列和生物医学知识图谱的信息，增强模型对冷启动蛋白质的预测能力。通过区域感知的序列编码和图注意力编码器，提取上下文信息和特征嵌入。

技术框架：MKGR的整体架构包括两个主要模块：序列分支和图分支。序列分支负责提取结构信息丰富的序列区域的上下文表示，而图分支通过图注意力机制学习稀疏生物医学关联的特征嵌入。此外，桥接重建目标用于正则化图学习，配对级门控模块则自适应地整合序列和图证据。

关键创新：MKGR的主要创新在于结合区域感知的序列编码与多种生物医学知识图谱，形成了一种新的多模态学习框架。这种设计使得模型能够更全面地利用不同来源的信息，显著提升冷启动情况下的预测能力。

关键设计：在技术细节上，MKGR采用了图注意力网络进行特征提取，并设计了桥接重建目标以恢复共享的蛋白质-实体关联。此外，配对级门控模块的设计使得模型能够动态调整序列和图证据的融合方式，进一步提升了预测性能。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

在两个基准数据集上，MKGR在ACC、F1、AUC、AUPR和MCC等多个指标上均显著优于竞争性基线，展示了其在冷启动PPI预测任务中的卓越性能，具体提升幅度未知。

🎯 应用场景

该研究的潜在应用领域包括功能基因组学、药物发现和疾病机制研究。通过提高冷启动情况下的PPI预测准确性，MKGR能够帮助科学家更好地理解蛋白质功能及其在生物过程中的作用，从而推动新药开发和疾病治疗的进展。

📄 摘要（原文）

Accurate protein-protein interaction (PPI) prediction is central to functional genomics, disease mechanism discovery, and drug development. A difficult setting arises when candidate interactions include proteins that have no observed PPI edges during training, where models relying on network topology alone often lose useful context. This paper presents \method, a multimodal representation framework for cold-start PPI prediction. \method\ combines region-aware protein sequence encoding with four protein-centered biomedical knowledge graphs, including protein-drug, protein-disease, protein-miRNA, and protein-lncRNA associations. The sequence branch extracts contextual representations from structurally informed sequence regions, while graph attention encoders learn modality-specific protein embeddings from sparse biomedical associations. A bridge reconstruction objective regularizes graph learning by recovering shared protein-entity associations, and a pair-level gating module adaptively integrates sequence and graph evidence for each candidate protein pair. Experiments on two benchmark datasets under novel-old and novel-novel cold-start settings show that \method\ consistently outperforms competitive sequence, network, and knowledge-graph baselines across ACC, F1, AUC, AUPR, and MCC.