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

📄 arXiv: 2607.01627 📥 PDF

作者: Wenbo Zhang

分类: cs.LG, cs.AI

发布日期: 2026-07-05

💡 一句话要点

提出MKGR以解决冷启动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 冷启动问题 多模态学习 知识图谱 生物医学

📋 核心要点

  1. 现有方法在冷启动场景中面临挑战，特别是对于未观察到的蛋白质相互作用，导致信息丢失。
  2. 本文提出MKGR框架，结合蛋白质序列和生物医学知识图谱，通过多模态学习提升PPI预测能力。
  3. 在多个基准数据集上，MKGR在ACC、F1、AUC等指标上均显著优于现有方法，验证了其有效性。

📝 摘要（中文）

准确的蛋白质-蛋白质相互作用（PPI）预测对于功能基因组学、疾病机制发现和药物开发至关重要。然而，当候选相互作用中包含在训练期间没有观察到的蛋白质时，依赖网络拓扑的模型往往会失去有用的上下文。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超越了竞争对手的序列、网络和知识图谱基线。

🔬 方法详解

问题定义：本文旨在解决冷启动蛋白质-蛋白质相互作用预测问题。现有方法依赖网络拓扑，无法有效处理未观察到的相互作用，导致信息缺失。

核心思路：MKGR框架通过结合区域感知的蛋白质序列编码和多种生物医学知识图谱，提供了丰富的上下文信息，从而增强模型的预测能力。

技术框架：MKGR的整体架构包括两个主要模块：序列编码模块和图注意力编码模块。序列编码模块提取结构信息，而图注意力编码模块则从稀疏的生物医学关联中学习蛋白质嵌入。

关键创新：MKGR的主要创新在于引入了桥接重建目标，通过恢复共享的蛋白质-实体关联来正则化图学习。此外，采用了对每对候选蛋白质自适应整合序列和图证据的配对级门控模块。

关键设计：在设计中，采用了损失函数来平衡序列和图的贡献，网络结构则通过图注意力机制增强了对不同模态的学习能力。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果显示，MKGR在两个基准数据集的冷启动设置下，ACC、F1、AUC等指标均显著优于现有的序列、网络和知识图谱基线，验证了其在冷启动PPI预测中的有效性和优势。

🎯 应用场景

该研究在功能基因组学和药物开发领域具有广泛的应用潜力。通过提高冷启动情况下的PPI预测能力，MKGR可以帮助科学家更好地理解蛋白质功能及其在疾病中的作用，从而推动新药的研发和疾病机制的探索。

📄 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.