MAPE-PPI

MAPE-PPI：通过微环境感知蛋白质嵌入实现高效有效的蛋白质-蛋白质相互作用预测（Spotlight）

Lirong Wu, Yijun Tian, Yufei Huang, Siyuan Li, Haitao Lin, Nitesh V Chawla, Stan Z. Li. 发表于 ICLR, 2024年。

依赖项

conda env create -f environment.yml
conda activate MAPE-PPI

默认PyTorch版本为2.0.0，cudatoolkit版本为11.7。可以在environment.yml中进行修改。

数据集

三个数据集（SHS27k、SHS148k和STRING）的原始数据可从Google Drive下载：

protein.STRING.sequences.dictionary.tsv STRING的蛋白质序列
protein.actions.STRING.txt STRING的PPI网络
STRING_AF2DB AlphaFold2预测的蛋白质结构PDB文件

处理原始数据以生成特征和邻接矩阵（也适用于任何新数据集）：

python ./raw_data/data_process.py --dataset data_name

其中data_name为三个数据集之一（SHS27k、SHS148k和STRING）。

为了便于使用，我们已预处理了这三个数据集，并将处理后的数据放在Google Drive中。

要使用处理后的数据，请将它们放在./data/processed_data/中。

使用方法

在SHS27k/SHS148k/STRING上进行预训练和推理

python -B train.py --dataset STRING --split_mode bfs

针对每个数据集和数据分区的自定义超参数可在./configs/param_config.json中找到。

在额外数据上进行预训练，在SHS27k/SHS148k/STRING上进行推理

要使用自定义数据（如CATH或AlphaFoldDB数据集）进行预训练，请参考以下步骤：

(1) 从官方网站下载额外的预训练数据（包括其PDB文件）。

(2) 预处理预训练PDB文件（如./raw_data/data_process.py中所做），并转换为三个文件：

protein.nodes.pretrain_data.pt
protein.rball.edges.pretrain_data.npy
protein.knn.edges.pretrain_data.npy

其中pretrain_data是额外预训练数据集的名称。

(3) 加载预处理数据并在其上进行预训练，运行：

python -B train.py --dataset STRING --split_mode bfs --pre_train pretrain_data

加载预训练模型并在SHS27k/SHS148k/STRING上进行推理

我们在./trained_model/中提供了用于STRING上PPI预测的预训练模型。要使用它，请运行：

python -B train.py --dataset STRING --split_mode bfs --ckpt_path ../trained_model/vae_model.ckpt

引用

如果您对我们的代码库和论文感兴趣，请引用以下论文：

@article{wu2024mape,
  title={MAPE-PPI: Towards Effective and Efficient Protein-Protein Interaction Prediction via Microenvironment-Aware Protein Embedding},
  author={Wu, Lirong and Tian, Yijun and Huang, Yufei and Li, Siyuan and Lin, Haitao and Chawla, Nitesh V and Li, Stan Z},
  journal={arXiv preprint arXiv:2402.14391},
  year={2024}
}