ترجمه فارسی مقاله GOProteinGNN: استفاده از نمودارهای دانش پروتئین برای یادگیری نمایش پروتئین

چکیده

Proteins play a vital role in biological processes and are indispensable for living organisms. Accurate representation of proteins is crucial, especially in drug development. Recently, there has been a notable increase in interest in utilizing machine learning and deep learning techniques for unsupervised learning of protein representations. However, these approaches often focus solely on the amino acid sequence of proteins and lack factual knowledge about proteins and their interactions, thus limiting their performance. In this study, we present GOProteinGNN, a novel architecture that enhances protein language models by integrating protein knowledge graph information during the creation of amino acid level representations. Our approach allows for the integration of information at both the individual amino acid level and the entire protein level, enabling a comprehensive and effective learning process through graph-based learning. By doing so, we can capture complex relationships and dependencies between proteins and their functional annotations, resulting in more robust and contextually enriched protein representations. Unlike previous fusion methods, GOProteinGNN uniquely learns the entire protein knowledge graph during training, which allows it to capture broader relational nuances and dependencies beyond mere triplets as done in previous work. We perform a comprehensive evaluation on several downstream tasks demonstrating that GOProteinGNN consistently outperforms previous methods, showcasing its effectiveness and establishing it as a state-of-the-art solution for protein representation learning.

چکیده به فارسی (ترجمه ماشینی)

پروتئین ها نقش مهمی در فرآیندهای بیولوژیکی دارند و برای موجودات زنده ضروری هستند.نمایش دقیق پروتئین ها به ویژه در تولید دارو بسیار مهم است.اخیراً ، افزایش قابل توجه در استفاده از یادگیری ماشین و تکنیک های یادگیری عمیق برای یادگیری بدون نظارت از بازنمایی پروتئین وجود داشته است.با این حال ، این رویکردها غالباً فقط روی توالی اسید آمینه پروتئین ها تمرکز می کنند و فاقد دانش واقعی در مورد پروتئین ها و تعامل آنها هستند ، بنابراین عملکرد آنها را محدود می کند.در این مطالعه ، ما Goproteingnn ، یک معماری جدید را ارائه می دهیم که با ادغام اطلاعات نمودار دانش پروتئین در هنگام ایجاد بازنمایی سطح اسید آمینه ، مدل های زبان پروتئین را تقویت می کند.رویکرد ما امکان ادغام اطلاعات را در سطح اسید آمینه فردی و کل سطح پروتئین فراهم می کند ، و امکان یادگیری جامع و مؤثر را از طریق یادگیری مبتنی بر نمودار فراهم می کند.با این کار ، ما می توانیم روابط و وابستگی های پیچیده ای را بین پروتئین ها و حاشیه نویسی های عملکردی آنها ضبط کنیم ، و در نتیجه بازنمایی پروتئین های قوی تر و غنی تر از نظر متنی تر انجام شود.بر خلاف روشهای فیوژن قبلی ، Goproteingnn منحصر به فرد کل نمودار دانش پروتئین را در طول آموزش می آموزد ، که به آن امکان می دهد ظرافت و وابستگی های گسترده تری را فراتر از سه گانه صرفاً انجام دهد ، همانطور که در کارهای قبلی انجام می شود.ما یک ارزیابی جامع را در مورد چندین کار پایین دست انجام می دهیم که نشان می دهد Goproteingnn به طور مداوم از روش های قبلی بهتر عمل می کند ، اثربخشی آن را به نمایش می گذارد و آن را به عنوان یک راه حل پیشرفته برای یادگیری بازنمایی پروتئین ایجاد می کند.