近日，bevitor伟德计算机学院张平博士联合华中农业大学信息学院孙伟城博士共同完成的研究成果“Funnel graph neural networks with multi-granularity cascaded fusing for protein-protein interaction prediction”在国际著名学术期刊Expert Systems With Applications上发表。该期刊在最新的中国科学院SCI分区表中属于一区TOP期刊，影响因子为7.5。bevitor伟德计算机学院张平博士是论文的唯一通讯作者和共同第一作者，bevitor伟德为第一完成单位，华中农业大学信息学院孙伟城博士是论文的第一作者。这也是2023年以来，张平博士团队相继发表在Knowledge-based Systems和Applied Soft Computing期刊上的同系列研究成果。华中农业大学信息学院许晋升博士、中科院武汉植物园张巍瀚博士和bevitor伟德计算机学院李雪莲老师参与了该项成果的研究过程。
（Expert Systems With Applications, 2024, 257, 125030）
鉴定人与病毒间潜在的蛋白质-蛋白质相互作用（PPI）对于在分子水平上理解病毒感染和疾病机制至关重要。最近，图神经网络（GNN）已经成为一种有前途的方法来加快PPI鉴定。然而，GNN在捕获高阶邻居信息时往往存在过度平滑的问题。为了解决这一问题并有效地从多跳邻居中捕获隐含的协作信息，论文提出了FGNN，一种多粒度信息级联融合的漏斗图神经网络，以类似漏斗的方式促进信息的蒸馏。具体来说，它支持将信息流从全图映射到子图，并最终映射到节点。通过将子图视为连接高阶邻居的桥梁，保证了多跳邻居在同一子空间中的投影，从而实现了全图到子图的有效映射。此外，论文还设计了一种配备多头注意力机制的编码器来有效地将子图映射到节点，使得从高阶邻居中获得的信息可以进一步被细化和压缩。FGNN可以有效地捕获高阶邻居信息，同时消除GNN的过度平滑现象。大量的实验表明，FGNN在AUC评估指标上优于最先进的方法。在四套病毒诱发的心血管疾病数据集上的性能提升率分别为7.96%、2.3%、2.49%和0.82%。（科研管理处、计算机学院 文、图/张平 审核/王晓玲、张光南）
原文链接：https://www.sciencedirect.com/science/article/pii/S0957417424018979
